基于生成对抗网络序列建模的罕见病检测
机器学习
2019-07-03 v1 机器学习
摘要
影响3.5亿人的罕见病通常伴随诊断延迟或误诊。为改善这些患者的结局，罕见病检测是一项基于纵向医疗索赔识别罕见病患者的重要任务。本文中，我们提出一种用于检测外分泌胰腺功能不全（EPI）（一种罕见病）患者的深度学习方法。贡献包括：1）一项使用来自180万患者（含29,149名EPI患者）的7年医疗索赔的大型纵向研究；2）一种利用生成对抗网络（GANs）提升罕见病类别，并借助循环神经网络对患者序列数据建模的新深度学习模型；3）以0.56 PR-AUC的准确预测，在精确率与召回率上优于基准模型。
引用
@article{arxiv.1907.01022,
title = {Rare Disease Detection by Sequence Modeling with Generative Adversarial Networks},
author = {Kezi Yu and Yunlong Wang and Yong Cai and Cao Xiao and Emily Zhao and Lucas Glass and Jimeng Sun},
journal= {arXiv preprint arXiv:1907.01022},
year = {2019}
}
备注
International Conference on Machine Learning (ICML) 2019 time series workshop accepted paper