SMART：面向患者健康状况预测的预训练缺失感知模型
机器学习
2024-05-16 v1
摘要
电子健康记录（EHR）数据已成为分析患者健康状况的宝贵资源。然而，EHR中数据的普遍缺失给现有方法带来了重大挑战，导致虚假相关性和次优预测。尽管已经开发了许多插补技术来解决这一问题，但它们通常拘泥于不必要的细节，并可能在临床预测时引入额外噪声。为了解决这个问题，我们提出了SMART，一种用于患者健康状况预测的自监督缺失感知表示学习方法，它通过精细的注意力机制编码缺失信息，并通过一种新颖的自监督预训练方法在潜空间中重构缺失数据表示来学习插补缺失值。通过采用缺失感知注意力并专注于学习高阶表示，SMART促进了对缺失数据更好的泛化能力和鲁棒性。我们通过在六项EHR任务上的广泛实验验证了SMART的有效性，证明了其优于SOTA方法。
引用
@article{arxiv.2405.09039,
title = {SMART: Towards Pre-trained Missing-Aware Model for Patient Health Status Prediction},
author = {Zhihao Yu and Xu Chu and Yujie Jin and Yasha Wang and Junfeng Zhao},
journal= {arXiv preprint arXiv:2405.09039},
year = {2024}
}