StageNet：用于健康风险预测的阶段性感知神经网络
机器学习
2020-01-29 v1 人工智能
机器学习
摘要
深度学习在健康风险预测中已展现出成功，尤其针对患有慢性且进展性疾病的患者。大多数现有工作聚焦于从患者数据中学习疾病阶段信息并将其整合进风险预测。本文提出 StageNet（阶段性感知神经网络）模型，以从无标签患者数据中抽取疾病阶段信息，并将其融入风险预测。StageNet 的支撑包括：(1) 一个阶段性感知的长短期记忆（LSTM）模块，以无监督方式抽取健康阶段变化；(2) 一个阶段自适应卷积模块，将阶段相关的进展模式纳入风险预测。我们在两个真实世界数据集上评估 StageNet，结果表明 StageNet 在风险预测任务和患者亚型划分任务上均优于最先进的模型。与最佳基线模型相比，StageNet 在两个真实世界患者数据集上的风险预测任务中取得了最高 12% 更高的 AUPRC。StageNet 在患者亚型划分任务中还取得了超过 58% 更高的 Calinski-Harabasz 分数（一种聚类质量指标）。
引用
@article{arxiv.2001.10054,
title = {StageNet: Stage-Aware Neural Networks for Health Risk Prediction},
author = {Junyi Gao and Cao Xiao and Yasha Wang and Wen Tang and Lucas M. Glass and Jimeng Sun},
journal= {arXiv preprint arXiv:2001.10054},
year = {2020}
}