A Bootstrap Machine Learning Approach to Identify Rare Disease Patients from Electronic Health Records

[namakemono]

#	##
論文リンク	https://arxiv.org/abs/1609.01586v1
著者	Ravi Garg, Shu Dong, Sanjiv Shah, Siddhartha R Jonnalagadda
投稿日時	2016-09-06
コード

概要

まれな疾患は、他の可能性のある多数の診断の中から特定するのが非常に困難です。患者データの利用可能性の向上と機械学習アルゴリズムの改善により、この問題にコンピュータで取り組むことができます。本稿では、そのようなまれな病気の1つ - 心臓アミロイドーシスを対象とします。我々は機械学習アルゴリズムの助けを借りて潜在的な心臓アミロイドーシス患者を同定するプロセスを自動化し、そしてまた最も予測的な因子を学ぶことを目指しています。経験豊富な心臓専門医の助けを借りて、我々は73の陽性（心臓アミロイドーシス）と197の陰性インスタンスを持つゴールドスタンダードを作成しました。アンサンブル機械学習分類器を使用して、0.98という高い平均交差検定F1スコアを達成しました。いくつかの予測変数は以下の通りでした：年齢と心停止の診断、胸痛、うっ血性心不全、高血圧、原発開放隅角緑内障、および肩関節炎。健康システム全体にわたるシステムの正確性および他の疾患に対するその一般化可能性を検証するためにさらなる研究が必要である。