持续的患者状态关注模式,用于解决电子健康记录中的不规则问题
Vinod Kumar Chauhan1, Anshul Thakur2, Odhran O'Donoghue2
1Institute of Biomedical Engineering, University of Oxford, Old Road Campus Research Building, OX3 7DQ, Oxford, UK. vinod.kumar@eng.ox.ac.uk.
感知器是一种新型的变压器模型,有效地处理不规则的医疗时间序列数据,以改善患者结果预测. 连续的患者状态模型展示了卓越的性能,并提高了临床决策的透明度.
科学领域:
- 人工智能的人工智能
- 机器学习 机器学习
- 医疗保健信息学 医疗保健信息学
背景情况:
- 不规则时间序列 (ITS) 数据在电子健康记录 (EHR) 中普遍存在,这给机器学习模型带来了挑战.
- 从大型EHR数据集中提取有价值的见解是困难的,因为数据不规则,需要高预测性能.
研究的目的:
- 介绍Perceiver,一个计算效率高的变压器变体,用于长时间的医疗保健时间序列.
- 开发持续的患者状态注意力模型,使用感知器来处理电子健康记录中的ITS.
- 通过从不规则的数据有效建模健康动态来改善患者结果预测.
主要方法:
- 拟议的感知器是一种基于交叉注意力的变压器变体,能够处理长时间的ITS.
- 开发了连续的患者状态注意力模型,集成感知器和神经普通微分方程.
- 从观察到的不规则的时间步骤中建模患者健康动态和轨迹.
主要成果:
- 感知器模型在医院死亡率预测任务上实现了与基线相比的或优于基线的性能.
- 与标准变压器模型相比,计算成本降低了大约9倍.
- 连续患者状态模型在处理医疗保健数据不规则方面表现优于现有方法.
结论:
- 感知器为处理长时间的医疗保健时间序列提供了一个有效的替代方案.
- 持续的患者状态注意力模型为管理不规则时间序列数据提供了一种优越的方法.
- 模型的预测不确定性有助于开发透明,可信的临床支持系统.
更多相关视频
05:03Patient Directed Recording of a Bipolar Three-Lead Electrocardiogram using a Smartwatch with ECG Function
Published on: December 11, 2019
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
相关概念视频
Pulse rhythm
Conversely, an irregular pulse pattern is termed dysrhythmia, stemming from disruptions in cardiac...
Methods of Documentation VII: EMR
Guidelines and Strategies for Safe Computer Charting
Maintain Confidentiality and Security:
Data Reporting and Recording
Methods of Documentation II: POMR
Errors occurring during blood pressure monitoring
Several factors...
