结合临床文本与时间序列数据用于ICU管理
计算与语言
2020-01-03 v2 机器学习
机器学习
摘要
ICU患者监护是一项具有挑战性且成本高昂的任务。因此，预测患者在ICU住院期间的病情有助于提供更好的急症护理并规划医院资源。ICU管理的机器学习研究持续取得进展，其中大多数工作集中于使用ICU仪器记录的时间序列信号。在我们的工作中，我们表明将临床文本作为另一种模态加入，可提升模型在三项基准任务上的性能：院内死亡率预测、失代偿建模以及住院时长预测，这些任务在ICU管理中具有重要作用。虽然时间序列数据以规则间隔测量，但医生记录文本的时间不规则，使得联合建模具有挑战性。我们提出一种联合建模方法，在基准任务上相较基线时间序列模型取得显著改进。我们的实现可在 \url{https://github.com/kaggarwal/ClinicalNotesICU} 找到。
引用
@article{arxiv.1909.09702,
title = {Using Clinical Notes with Time Series Data for ICU Management},
author = {Swaraj Khadanga and Karan Aggarwal and Shafiq Joty and Jaideep Srivastava},
journal= {arXiv preprint arXiv:1909.09702},
year = {2020}
}
备注
Accepted at EMNLP 2019