用于机器学习的重要 ICD-10 代码识别的无监督特征选择：基于冠心病患者队列的案例研究
机器学习
2024-10-29 v1 人工智能
摘要
由于国际疾病分类（ICD）系统代码数量庞大，在医疗中使用 ICD 代码作为机器学习模型特征时，选择相关代码构成一项挑战。本研究比较了针对加拿大阿尔伯塔省 49,075 名冠心病患者 ICD 代码数据库的若干无监督特征选择方法。具体而言，我们采用拉普拉斯得分（Laplacian Score）、多簇数据无监督特征选择（Unsupervised Feature Selection for Multi-Cluster Data）、自编码器启发的无监督特征选择（Autoencoder Inspired Unsupervised Feature Selection）、主特征分析（Principal Feature Analysis），以及带与不带 ICD 树权重调整的crete 自编码器（Concrete Autoencoders），从超过 9,000 个代码中选出 100 个最佳特征。我们根据所选特征重构初始特征空间及预测出院后 90 天死亡率的能力进行评估。我们的发现表明，Concrete Autoencoder 方法在两项任务中均优于所有其他方法。此外，Concrete Autoencoder 方法中的权重调整降低了特征的复杂度。
引用
@article{arxiv.2303.14303,
title = {Unsupervised Feature Selection to Identify Important ICD-10 Codes for Machine Learning: A Case Study on a Coronary Artery Disease Patient Cohort},
author = {Peyman Ghasemi and Joon Lee},
journal= {arXiv preprint arXiv:2303.14303},
year = {2024}
}
备注
Submitted to AMIA 2023 Conference