TSOANet:用于医疗事件预测的时间敏感直角注意网络
Hao Chen1, Junjie Zhang1, Yang Xiang2
1School of Computer Science and Technology, Harbin Institute of Technology(Shenzhen), Shenzhen, China.
Artificial intelligence in medicine
|May 15, 2024
概括
本研究介绍了时间敏感的正对角注意网络 (TSOANet),用于使用电子医疗记录预测医疗事件. TSOANet有效地模拟不规则的时间间隔和事件关系,优于现有的方法.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
- 机器学习用于医疗保健
背景情况:
- 使用电子医疗记录 (EMR) 的医疗事件预测 (MEP) 对医疗保健至关重要.
- 从EMR预测未来的医疗事件是具有挑战性的,因为不规则的访问间隔和不同的医疗事件.
- 现有的模型通常只涉及三个关键方面中的两个:时间间隔,访问内部事件关系和访问间事件关系.
研究的目的:
- 提出一个新的网络,即时间敏感直角注意网络 (TSOANet),用于全面预测医疗事件.
- 为了有效地建模不规则的时间间隔和医疗事件之间的关系,在和跨患者访问.
- 通过同时考虑EMR数据的三个关键方面来解决先前研究的局限性.
主要方法:
- 开发了时间敏感的正对角注意网络 (TSOANet).
- 整合了一个时间敏感块来建模本地和全球时间间隔,评估访问的影响.
- 利用直角注意力块来捕捉访问中的和访问中的事件和时间关系.
主要成果:
- 与最先进的模型相比,TSOANet在两个公共EMR数据集上表现出更高的性能.
- 该模型有效地利用不规则的时间间隔和复杂的事件关系进行准确的预测.
- 实验结果验证了拟议的TSOANet架构的有效性.
结论:
- 拟议的TSOANet为EMRs的医疗事件预测提供了一个强大的框架.
- 同时建模时间动态和事件相互依赖性可以提高预测准确度.
- 在利用EMR数据为主动医疗保健方面,TSOANet代表了重大进展.
