抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
pairwisepatientsの臨床的類似性を評価ヘルスケア情報学における基本的な問題である。Aproper患者類似性測度は,種々のdownstreamapplications,コホート研究と治療比較有効性研究を可能にした。conductingpatient類似性研究のための一つの主要なキャリアは電子健康記録(EHR),通常は不均一で,縦,andsparseである。学習患者similarityfrom EHRに関する既存の研究は,実際のclinicalproblemsを解くのに有用であることを示したが,それらの適用性は,medicalinterpretationsの欠如により制限されている。さらに,大部分の以前の方法は患者にとってavectorに基づく表現であり,ある時間周期にわたる医療事象のrequiresaggregation典型的を仮定している。aconsequenceとして,時間情報が失われる。本論文では,縦方向患者EHRのマッチングontemporal基づく患者類似性評価フレームワークを提案した。二efficientmethodsを示し,教師なしおよび教師ありの両方,ofwhichはEHRの時間的特性を保持していた。supervisedschemeは畳込みニューラルネットワークアーキテクチャを,患者の臨床recordswith医療概念埋め込みの最適表現をandlearns。実際の臨床データに関する経験的結果は,実質的な改良ベースラインovertheを実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】