人工智能模型可以帮助患者通过电子健康记录预测疾病风险
电子健康记录包含医疗提供者和患者的重要信息。但这些记录也包含一些信息，可能会干扰人工智能算法预测患者未来患病风险的能力。
信息科学与技术学院的研究人员正致力于通过一种新的机器学习模型消除一些噪音或不必要的数据。叫做LSAN深度神经网络使用双管齐下的方法扫描电子健康记录数据并识别可以预测患者发展目标的风险的信息疾病在未来。
“假设我们想要预测一个病人将来是否会患上糖尿病，”马说。“我们将使用患者的历史数据，这些数据在某些方面可能与糖尿病有关，例如高血压或者心力衰竭，这些都是目标疾病的危险因素。”
他继续说，“但也有一些不相关的诊断代码或症状，我们希望模型去除患者的噪声信息，并赋予它们较低的权重。”
电子健康记录采用两级层次结构使用国际疾病分类(ICD)代码记录病人的医疗历程。等级制度从病人开始，接着是就诊的时间顺序。然后在每次就诊时，ICD代码与该次就诊记录的症状一起存储。
LSAN是“风险预测的长期依赖关系和短期相关性与分层注意网络”的缩写，它使用分层注意模块(HAM)突出显示电子健康记录数据的排序顺序，并根据它们与目标疾病的相关性赋予ICD代码不同的权重。然后，时间聚合模块(TAM)分析长期依赖关系，例如在患者的整个医疗旅程中每次就诊与其他患者的关系，以及短期相关性，例如每次就诊在短时间内与其他患者的关系。
信息科学与技术助理教授、首席研究员马凤龙说:“糖尿病患者有时可能会去看医生，询问有关糖尿病治疗的问题。”“但有时他们可能会因为感冒而去看医生。所以我们想要从电子健康数据中去除噪声数据的随机性。”
他补充说:“该模型可以输出患者是否会患上某种疾病的概率。对于一些患者来说，他们目前可能没有明显的症状，但该模型可以做出预测。”
研究人员对三个真实世界的电子健康记录数据集进行了实验病人与心脏衰竭，肾脏疾病并发现LSAN优于现有的最先进的浅方法和深度学习模型。
进一步探索
用户评论