文献

J-GLOBAL ID：202202248156375250   整理番号：22A0907178

EHRを用いた医療イベント予測のためのマルチチャネル融合LSTM【JST・京大機械翻訳】

Multi-channel fusion LSTM for medical event prediction using EHRs

著者 (7件)： Liu Sicen (Department of Computer Science, Harbin Institute of Technology Shenzhen Graduate School, Shenzhen, China) ,  Wang Xiaolong (Department of Computer Science, Harbin Institute of Technology Shenzhen Graduate School, Shenzhen, China) ,  Xiang Yang (Peng Cheng Laboratory, Shenzhen, China) ,  Xu Hui (Gennlife (Beijing) Technology Co Ltd, Beijing, China) ,  Wang Hui (Gennlife (Beijing) Technology Co Ltd, Beijing, China) ,  Tang Buzhou (Department of Computer Science, Harbin Institute of Technology Shenzhen Graduate School, Shenzhen, China) ,  Tang Buzhou (Peng Cheng Laboratory, Shenzhen, China)
資料名： Journal of Biomedical Informatics  (Journal of Biomedical Informatics)
巻： 127  ページ： Null  発行年： 2022年 
JST資料番号： B0827A  ISSN： 1532-0464  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自動医療イベント予測(MEP),例えば診断予測,薬剤予測,電子健康記録(EHR)の使用は,健康情報学における一般的な研究方向である。多くの場合,MEPは異なるタイプの医療事象からの決定に依存し,それはEHRの不均一な性質を示す。しかし,MEPのためのほとんどの既存の方法は,予測タスク,すなわちタスクワイズイベントと高度に関連するイベントのタイプを区別できない,それは通常,他のイベントよりもより重要な役割を果たす。本論文では,多重ネットワークチャネルを用いて異なるタイプの医療事象間の相関をモデル化するマルチチャネル融合LSTM(MCF-LSTM)と名付けたMEPのためのLong Short-Termメモリネットワーク(LSTM)ベースの方法を提案した。この目的のために,著者らは,ゲートネットワークを適用して,多くの情報がイベント間でどのように転送されるかを選択するタスクワイズ融合モジュールを設計した。さらに,隣接する医療訪問間の不規則な時間的間隔も個々のチャネルでモデル化され,それは統一された方法で他のイベントと組み合わされた。MCF-LSTMを,2つの公開データセット:MIMIC-IIIとeICUで,4つのMEPタスクに関する最先端の方法と比較した。実験結果は,MCF-LSTMがAUC(受信者操作特性曲線),AUPR(精度-再現曲線の下の面積),およびトップ-k想起に関して有望な結果を達成して,高い安定性を有する他の方法より優れていることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 安定性 ,  ネットワーク ,  多重化 ,  *ベント ,  特性曲線 ,  チャネル ,  電子カルテ
準シソーラス用語： マルチチャネル ,  保健情報科学 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (5件)： 医療イベント予測 ,  電子健康記録 ,  異種データ ,  マルチチャネル融合 ,  長期短期記憶

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (7件)： EHR ,  医療 ,  イベント ,  予測 ,  マルチチャネル ,  融合 ,  LSTM