PT：一个简单的Transformer是优秀的医院再入院预测器
机器学习
2024-12-18 v1
摘要
医院再入院预测对于临床决策支持至关重要，旨在识别出院后30天内可能再次入院的患者。高再入院率通常表明治疗或出院后护理不足，因此有效的预测模型对于优化资源和改善患者预后至关重要。我们提出了PT，一个基于Transformer的模型，它整合了电子健康记录（EHR）、医学图像和临床笔记，以预测30天全因医院再入院。PT从原始数据中提取特征，并使用针对数据复杂性定制的专用Transformer模块。通过随机森林进行EHR特征选择以及测试时集成技术的增强，PT实现了卓越的准确性、可扩展性和鲁棒性。即使缺少时间信息，它也能表现良好。我们的主要贡献是：（1）简洁性：一个强大且高效的基线模型，在预测准确性上优于现有模型；（2）可扩展性：灵活处理来自不同模态的各种特征，仅使用临床笔记或EHR数据即可实现高性能；（3）鲁棒性：即使时间数据缺失或不明确，也能保持强大的预测性能。
引用
@article{arxiv.2412.12909,
title = {PT: A Plain Transformer is Good Hospital Readmission Predictor},
author = {Zhenyi Fan and Jiaqi Li and Dongyu Luo and Yuqi Yuan},
journal= {arXiv preprint arXiv:2412.12909},
year = {2024}
}