Core Concepts
本研究では、集中治療室の電子カルテデータの中でも特に診療記録とタイムシリーズデータに着目し、これらの多様なモダリティを活用した自己教師あり型の対照学習手法を提案する。提案手法は、オンラインの患者状態予測タスクにおいて優れた性能を示し、特に死亡予測タスクでは従来手法を大きく上回る零距離学習の性能を達成した。
Abstract
本研究では、集中治療室の電子カルテデータに含まれる診療記録とタイムシリーズデータの2つのモダリティに着目し、これらを活用した自己教師あり型の対照学習手法を提案した。
提案手法の特徴は以下の通り:
診療記録とタイムシリーズデータの共通潜在表現を学習する際に、近傍情報を考慮したMulti-Modal Neighborhood Contrastive Loss (MM-NCL)を導入した。
時間的な近接性に基づいた柔軟な近傍関数を定義し、オンラインの患者状態予測タスクに適した表現学習を行った。
提案手法は、死亡予測タスクにおいて従来手法を大きく上回る零距離学習の性能を達成した。これは、オンラインの医療予測タスクにおける自己教師あり学習の有効性を示唆している。
診療記録の種類ごとの重要性を分析し、タスクに応じて最適な記録の組み合わせを見出した。
以上のように、本研究は集中治療室の多様なデータモダリティを活用した自己教師あり学習の新しい可能性を示した。今後は、他のデータモダリティの活用や、より効率的な学習手法の検討が期待される。
Stats
患者の死亡状況に関する記述: "患者は死亡しました"、"亡くなりました"、"患者が死亡しました"、"死亡しました"、"死亡"、"死去しました"、"状態: 死亡"、"ケア中止"、"退院時状態: 死亡"、"死亡"、"死亡しました"、"DNR"
患者の生存状況に関する記述: "生存しました"、"安定しています"、"退院しました"、"安定"、"状態安定"、"本日退院"