对比转移学习用于预测住院患者的不良事件
Hojjat Salehinejad1,2, Anne M Meehan3, Pedro J Caraballo3,4
1Kern Center for the Science of Health Care DeliveryMayo Clinic Rochester MN 55905 USA.
这项研究引入了一种新的对比转移学习方法,用于早期预测住院患者的不良事件,使用恶化指数 (DI) 评分. 这种人工智能驱动的方法与传统方法相比显示出更高的性能,提供了潜在的早期预警系统.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 预测分析是一种预测分析.
背景情况:
- 住院患者面临不良事件的风险.
- 恶化指数 (DI) 是反映患者状况的综合得分.
- 对不良事件的早期预测对于及时干预至关重要.
研究的目的:
- 开发和验证一种对比转移学习 (CL) 方法,用于早期预测不良事件.
- 将恶化指数 (DI) 分数作为主要数据来源.
- 将拟议的方法与监督深度学习模型进行比较.
主要方法:
- 开发了一个带有分类器的无监督对比学习 (CL) 模型.
- 该模型在大型时间序列数据上进行了预训练,并通过DI分数进行了微调.
- 对时间序列分类的监督深度学习模型进行性能评估.
主要成果:
- 提出的无监督对比转移学习模型的表现优于监督深度学习解决方案.
- 在广泛的时间序列数据上进行训练,并与DI分数进行微调,提高了预测准确度.
- 在纵向DI得分和患者结果之间观察到显著的关系.
结论:
- 使用DI分数的无监督对比转移学习可以有效地预测和预防不良结果.
- 开发的算法可以作为医院的早期预警系统.
- 这项技术有可能减轻不良事件并改善患者护理.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
相关概念视频
Comparing the Survival Analysis of Two or More Groups
Hazard Ratio
For example, in a clinical trial...
Censoring Survival Data
Errors occurring during blood pressure monitoring
Several factors...
Healthcare Associated Infections II: Preventive Measures
The best practices for preventing healthcare-associated infections include hand hygiene, patient risk...
Receiver Operating Characteristic Plot
