生成合成电子健康记录数据:一个方法学范围审查,对表型数据和开源软件进行基准测试.

科学领域:

• 医疗信息学 医疗信息学
• 数据科学数据科学数据科学
• 医学数据生成 医学数据生成

背景情况:

• 合成电子健康记录 (EHR) 数据生成对研究和开发至关重要.
• 现有的合成EHR数据生成方法在有效性和应用方面有所不同.
• 需要对这些方法进行全面的审查和基准测试,以指导从业者.

研究的目的:

• 进行综合EHR数据生成方法的范围审查.
• 通过使用开源EHR数据集进行主要合成数据生成方法的基准测试.
• 为合成EHR数据生成提供开源软件工具和实用建议.

主要方法:

• 通过对三个学术数据库进行范围审查,确定了48项相关研究.
• 实施了7种最先进的方法和2种基准方法,并进行了基准测试.
• 评估重点是使用MIMIC-III/IV数据集的数据忠实性,下游实用性,隐私保护和计算成本.

主要成果:

• 48项研究被分为五种类型的合成数据生成方法.
• 基于生成对抗网络 (GAN) 的方法在忠实性和实用性方面显示出竞争性表现.
• 基于规则的方法显示出优越的隐私保护,在MIMIC-IV数据上观察到类似的趋势.

结论:

• 方法选择取决于针对特定用例的优先级评估指标.
• 提供了一个决策树和一个开源的Python包 (SynthEHRella),以帮助从业者.
• 未来的研究应该专注于提高数据保真性和隐私性,并对纵向/条件生成方法进行基准测试.