iBotamon
commented
4 years ago どんなもの？
- ARDS(急性呼吸促迫症候群)をリアルタイムで診断支援するための予測モデルを構築した論文
先行研究と比べてどこがすごい？
- テキストに限らず，幅広い医療データを使用していること (これらは無料で利用可能)
- Beth Israel Deaconess Medical Centerの4万人以上のCCU患者のデータ
- MIMIC3 ICU database
- データは200万以上のfree-text診療記録, 65万の診断コードをふくむ
- 他にもバイタルサイン, 検体検査, 看護記録, 画像診断レポート, 薬歴, 退院サマリー, 処置など
- 先行研究はfree-textからUMLSやSNOMED-CTを抽出しているものが多いが, 本研究ではICD embedding(後述)を使用
技術や手法のキモはどこ？
- まずICDコードを埋め込み表現化した(ICD embeddings)
- 次に看護記録や退院サマリーからICD embeddingsを推測するword-level CNNを訓練
- こうして推測されたICD embeddingsに加え, vital sign, 採血や血液ガス, GCS, 年齢, 性別を特徴量とする決定木モデル(GBM, DRF)を構成した
どうやって有効だと検証した？
- ARDS患者の検出に対するAUC/Precision/Recall/F1で評価
- GBMでAUC 93.59, DRFでAUC 92.61
- 重要度の高かった特徴量としてはTidal Volume, GCS, PO2, FiO2などに加えてICD embeddingsのさまざまな次元があった
議論はある？
- ICDコードには患者の直接的/間接的な情報が多く含まれており, 性能の高いモデルの構成に有効
次に読むべき論文は？
D Kartchner et al. Code2vec: Embedding and clustering medical diagnosis data. ICHI, 2017 IEEE International Conference. B Shickel et al. Deep EHR: A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis. IEEE Journal of Biomedical and Health Informatics. 2018; 22(5): 1589-1604.
https://aclweb.org/anthology/papers/W/W19/W19-5007/