Core Concepts
Durch den Einsatz von Transformer-Modellen und die Integration von domänenspezifischem Wissen in Form einer Ontologie kann die Vorhersagegenauigkeit medizinischer Prozesse deutlich verbessert werden.
Abstract
In dieser Studie präsentieren die Autoren einen Ansatz zur prädiktiven Prozessüberwachung, der speziell für den Bereich des Schlaganfallmanagements entwickelt wurde. Durch den Einsatz von Transformer-Modellen, die auf dem Aufmerksamkeitsmechanismus basieren, und die Integration von domänenspezifischem Wissen in Form einer Ontologie, konnten sie eine deutliche Steigerung der Vorhersagegenauigkeit erzielen.
Die Autoren beschreiben zunächst den Aufbau des Transformer-Modells und erläutern, wie die Strukturelle Positionscodierung (SPE) das Modell mit Informationen aus der Ontologie anreichert. In den durchgeführten Experimenten auf Basis von Schlaganfall-Behandlungsdaten zeigt sich, dass der SPE-Ansatz im Vergleich zu herkömmlichen Positionscodierungen zu einer deutlichen Verbesserung der Vorhersageleistung führt.
Die Ergebnisse deuten darauf hin, dass prädiktive Prozessüberwachung unter Verwendung von Transformer-Modellen und domänenspezifischem Ontologie-Wissen großes Potenzial bietet, um in komplexen medizinischen Szenarien wertvolle Entscheidungsunterstützung zu leisten.
Stats
Die durchschnittliche Länge der Behandlungspfade beträgt 15 Aktivitäten, mit einer Standardabweichung von 3 Aktivitäten.
Die kürzeste Behandlungsspur enthält 2 Aktivitäten, die längste 25 Aktivitäten.
Quotes
"Prädiktive Prozessüberwachung kann in nichtlinearen und atypischen Situationen sehr hilfreiche Entscheidungsunterstützung bieten."
"Die Integration von domänenspezifischem Wissen in Form einer Ontologie hat sich als wesentlicher Beitrag erwiesen, um die Vorhersagegenauigkeit des Modells zu verbessern."