WellFactor：利用医疗数据的整合嵌入进行患者画像
机器学习
2024-01-17 v1 人工智能
信息检索
摘要
在快速发展的医疗行业中，平台不仅可获取传统病历，还能访问涵盖各种患者互动（如来自医疗网络门户的数据）的多样化数据集。为应对这种丰富的数据多样性，我们引入了 WellFactor：一种通过整合这些来源的信息来推导患者画像的方法。我们方法的核心是利用约束低秩近似。WellFactor 经过优化，能够处理医疗数据中固有的稀疏性。此外，通过纳入任务特定的标签信息，我们的方法 refined 了嵌入结果，提供了更具洞察力的患者视角。WellFactor 的一个重要特征是能够即时计算新的、先前未观察到的患者数据的嵌入，无需重新访问整个数据集或重新计算嵌入。对真实世界医疗数据的全面评估证明了 WellFactor 的有效性。它在分类性能上优于其他现有方法，产生了有意义的患者聚类，并在患者相似性搜索和预测中提供了一致的结果。
引用
@article{arxiv.2312.14129,
title = {WellFactor: Patient Profiling using Integrative Embedding of Healthcare Data},
author = {Dongjin Choi and Andy Xiang and Ozgur Ozturk and Deep Shrestha and Barry Drake and Hamid Haidarian and Faizan Javed and Haesun Park},
journal= {arXiv preprint arXiv:2312.14129},
year = {2024}
}
备注
2023 IEEE International Conference on Big Data (IEEE BigData 2023)