医疗保健表示学习的基于图的注意模型

Scidown文献预览系统！

作者：scidown 发布时间：2021-05-24 11:00:00 文章标题：

医疗保健表示学习的基于图的注意模型( GRAM: Graph-based Attention Model for Healthcare Representation Learning )

文章作者：

E Choi MT Bahadori L Song WF Stewart J Sun attention model electronic health records graph predictive healthcare

文章简述：

深度学习方法在医疗保健领域的预测建模方面表现出了有希望的性能，但仍然存在两个重要的挑战：--数据不足：在医疗保健领域的预测建模中，往往样本容量不足以让深度学习方法获得满意的结果。--解读：深度学习方法学到的表征要与医学知识对齐。为了应对这些挑战，我们提出了一种基于图的注意力模型GRAM。它利用医学本体固有的层次信息来补充电子健康记录(EHR)。GRAM基于数据量和本体结构，通过注意机制将医学概念表示为其祖先在本体中的组合。在两个序贯诊断预测任务和一个心力衰竭预测任务中，我们比较了GRAM与包括递归神经网络(RNN)在内的各种方法的预测性能（即准确性、数据需求、可解释性）。与基本的RNN相比，GRAM在预测训练数据中很少观察到的疾病方面提高了10%的准确率，在ROC曲线下提高了3%的面积，用于预测心力衰竭，使用较少数量级的训练数据。此外，与其他方法不同，GRAM学习的医学概念表示与医学本体很好地对齐。最后，GRAM在面对较低层次概念的数据不足时，通过自适应地向较高层次概念进行泛化，表现出直觉注意行为。

文章下载地址（开放版）：