在电子健康记录中对纵向临床测量的无监督聚类
Arshiya Mariam1,2, Hamed Javidi1,2,3, Emily C Zabor1,4
1Department of Quantitative Health Sciences, Lerner Research Institute, Cleveland Clinic, Cleveland, Ohio, United States of America.
PLOS digital health
|October 15, 2024
概括
无监督机器学习算法显示出分析电子健康记录 (EHR) 的前景. 动态时间扭曲方法表现最好,在大型儿科队列中识别出明显的儿童BMI模式和代谢综合征风险.
科学领域:
- 计算生物学和生物信息学
- 机器学习和人工智能机器学习和人工智能
- 卫生信息学和数据科学
背景情况:
- 纵向电子健康记录 (EHR) 提供了有关疾病发展和进展的宝贵见解.
- 在信号处理和序列对齐方面取得成功的无监督时间匹配算法正在适应EHR分析.
- 这些算法用于分类复杂的临床电子健康记录数据的可靠性,特别是不规则的采样和缺失,需要进行彻底的评估.
研究的目的:
- 在模拟的临床时间序列数据上系统评估30个最先进的无监督机器学习算法的性能.
- 确定时间匹配和集群方法在分类不同程度的缺失和轨迹形状的电子健康记录数据时的准确性.
- 将最强大的算法应用于大型儿科队列,以识别不同的体重指数 (BMI) 模式及其与代谢综合征 (MetS) 的关联.
主要方法:
- 应用了30个无监督的机器学习算法 (8个时间匹配,14个分区集群,8个模糊集群) 到6,912个模拟的临床数据集.
- 利用Nemenyi测试和调整的Rand指数 (ARI) 来比较不同参数的数据集中的算法准确性.
- 使用性能最高的算法 (动态时间扭曲变体) 聚合了儿科代谢综合征队列 (N = 43,426).
主要成果:
- 动态时间扭曲及其变体在所有模拟数据队列中实现了最高的准确性 (中位数ARI>0.70).
- 所有测试的方法在区分基于大小差异的类别方面都比轨迹形状差异更有效.
- 当类差异基于轨迹形状时,缺失的数据显著影响了准确性;最好的算法识别了三个不同的儿童BMI模式,其中一个高BMI集群显示了显著增加的MetS风险 (OR = 4.87).
结论:
- 虽然对常规时间序列有效,但临床EHR分析中无监督算法的准确性各不相同,特别是缺少数据和基于形状的区别.
- 最强大的算法,如动态时间扭曲,可以成功地从纵向临床数据中识别有意义的模式和风险,例如儿科患者的独特BMI轨迹.
- 这项系统性评估验证了先进的机器学习技术在真实世界临床数据集中发现复杂的健康模式的实用性.
