マルチモーダル電子健康記録を用いた疾患リスク予測のためのラベル依存注意モデル【JST・京大機械翻訳】

Niu Shuai; Yin Qing; Song Yunya; Guo Yike; Yang Xian

プレプリント

J-GLOBAL ID：202202200212384287 整理番号：22P0275939

マルチモーダル電子健康記録を用いた疾患リスク予測のためのラベル依存注意モデル【JST・京大機械翻訳】

Label Dependent Attention Model for Disease Risk Prediction Using Multimodal 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 (5件)： , , , ,
資料名：
発行年： 2022年01月18日プレプリントサーバーでの情報更新日： 2022年01月18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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

疾患リスク予測は,特に人工知能(AI)の最新の進歩で,現代医療の分野でますます注目を集めている。不均一な患者情報を含む電子健康記録(EHR)は,疾患リスク予測作業で広く使用されている。リスク予測にAIモデルを適用する一つの課題は,予測能力を保持しながら予測結果を支持する解釈可能な証拠を生成することである。この問題に取り組むために,著者らは,注意モジュールがリスク予測ラベルの名目とのそれらの関連性に従って,医療記録から単語の重みを学習する単語とラベルを一緒に埋め込む方法を提案した。この手法は,注意機構の採用と,モデルにおける予測タスクの名称を含む解釈可能性を高める。しかし,その応用は,医療記録のようなテキスト入力の取扱いに限られていた。本論文では,ラベル依存注意モデルLDAMを,1)臨床-BERT(大規模臨床コーパスで事前訓練された生物医学言語モデル)を利用して,生物医学に意味のある特徴とラベルを共同で符号化する,という解釈可能性を改善する。2)時系列データの処理への共同埋込みのアイデアを拡張し,医療記録と時系列健康状態指標から不均一情報を統合するためのマルチモーダル学習フレームワークを開発した。著者らの方法を実証するために,異なる疾患リスクを予測するために,MIMIC-IIIデータセットにLDAMを適用した。本方法を定量的および定性的に評価した。特に,LDAMの予測力を示し,事例研究を行い,その解釈可能性を説明した。【JST・京大機械翻訳】

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

医用情報処理 , 人工知能

, , , , , ,

前のページに戻る