標的BEHRT:縦断的電子健康記録における観察因果推論のための深層学習【JST・京大機械翻訳】

Rao Shishir; Mamouei Mohammad; Salimi-Khorshidi Gholamreza; Li Yikuan; Ramakrishnan Rema; Hassaine Abdelaali; Canoy Dexter; Rahimi Kazem

プレプリント

J-GLOBAL ID：202202200028024383 整理番号：22P0286099

標的BEHRT:縦断的電子健康記録における観察因果推論のための深層学習【JST・京大機械翻訳】

Targeted-BEHRT: Deep learning for observational causal inference on longitudinal electronic health records

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

無作為臨床試験(RCT)が実行不可能または非一般化である場合,観察因果推論は医学における意思決定に有用である。しかし,従来のアプローチは,実際には,非結合因果的結論を配送できない。マルチモーダルデータの豊富な表現を捕えるための深層学習の成長と組み合わせた「二重ロバスト」ノンパラメトリックツールの上昇は,包括的電子健康記録(EHR)に関する因果推論のためのそのようなモデルを開発および試験するためのユニークな機会を提供する。本論文では,RCTで確立されたヌル因果関係の因果的モデリング,すなわち,事故癌リスクに対する降圧剤使用の影響を検討する。著者らは,著者らの観察研究と変換機ベースのモデルのためのデータセットを開発し,二重ロバスト推定と組み合わせたターゲットBEHRTを,平均リスク比(RR)を推定した。交絡の様々なタイプと強度を有する著者らのデータセットの半合成誘導に関する多重実験での因果推論のための統計的および深い学習モデルベンチマークに対して,著者らのモデルを比較した。著者らのアプローチの信頼性をさらにテストするために,著者らは限られたデータの状況に関して著者らのモデルをテストした。著者らは,著者らのモデルが,実験を通して高次元EHRに関するリスク比率推定のためのベンチマークと比較して,RRのより正確な推定(グランドトルースからの最小合計絶対誤差)を提供することを見つけた。最後に,著者らのモデルを適用し,癌に対する抗高血圧効果を調べ,このモデルが検証済みヌル関連を一般的に捉えることを示した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

医用情報処理

, , , ,

前のページに戻る