Aprendizaje de transferencia basado en el transporte en registros electrónicos de salud: aplicación a la detección de...

Área de la Ciencia:

• Informática computacional de la salud
• Aprendizaje automático para la salud
• Investigación en servicios de salud

Sus antecedentes:

• Los registros electrónicos de salud (EHR) de diversas poblaciones presentan desafíos en el intercambio de datos y la transferibilidad del modelo debido a sesgos inherentes.
• Los métodos existentes luchan con la transferencia efectiva de conocimientos entre diferentes grupos de pacientes, lo que limita la aplicabilidad más amplia.
• La cuantificación de las disparidades de tratamiento dentro de los datos del DSE requiere métodos sólidos que puedan manejar la heterogeneidad de la población.

Objetivo del estudio:

• Diseñar un método eficaz de transferencia de conocimientos para los datos del DSE entre diferentes grupos de población.
• Proporcionar garantías computables de la idoneidad de los modelos transferidos.
• Permitir la cuantificación de las disparidades de trato utilizando los datos del DSE.

Principales métodos:

• Desarrolló el marco de aprendizaje óptimo basado en el transporte para los EHR (OTTEHR).
• Incorporación combinada de características y transporte óptimo desequilibrado (OT) para la adaptación del dominio.
• Se utilizaron las bases de datos MIMIC-III y MIMIC-IV, segmentadas por códigos y etiquetas ICD, para la validación del método.

Principales resultados:

• Derivó un límite teórico para el error de generalización utilizando la distancia de Wasserstein, el desequilibrio y la divergencia de etiquetado.
• OTTEHR demostró una precisión y eficiencia computacional superiores en comparación con los métodos de aprendizaje de transferencia estándar.
• Se identificaron diferencias significativas en la duración de la estancia hospitalaria entre los grupos de pacientes con diferentes planes de seguro.

Conclusiones:

• El marco OTTEHR compara efectivamente los modelos estadísticos en diferentes poblaciones de datos de EHR utilizando la teoría del transporte óptimo.
• Diferencias de tratamiento cuantificadas entre grupos de pacientes, ofreciendo potencial para el apoyo a la decisión clínica.
• El trabajo futuro incluye la expansión de OTTEHR a tareas más amplias e incorporar el aprendizaje semisupervisado.