利用 Transformer 预测术后肾脏与肺部并发症
机器学习
2023-06-07 v2 计算机视觉与模式识别
摘要
术后并发症在医疗行业中构成重大挑战，导致医疗费用上升与住院时间延长，并在极少数情况下造成患者死亡。为改善患者预后并降低医疗成本，医疗服务提供者依赖各种围手术期风险评分来指导临床决策与优先护理。近年来，机器学习技术在预测术后并发症与死亡方面展现出前景，深度学习模型在医疗应用中取得了显著成功。然而，关于深度学习模型应用于术中麻醉管理数据的研究有限。本文中，我们评估了基于 transformer 的模型在预测术后急性肾衰竭、术后肺部并发症与术后院内死亡方面的性能。我们在临床数据集上将本方法性能与最先进的表格数据预测模型（包括梯度提升树与序列注意力模型）进行比较。结果表明，基于 transformer 的模型在预测术后并发症方面可取得更优性能，并超越传统机器学习模型。本工作凸显了深度学习技术（特别是基于 transformer 的模型）在革新医疗行业术后护理方式上的潜力。
引用
@article{arxiv.2306.00698,
title = {Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers},
author = {Reza Shirkavand and Fei Zhang and Heng Huang},
journal= {arXiv preprint arXiv:2306.00698},
year = {2023}
}