本研究では、EHRデータに適用されたBERT系モデルの基本設計選択肢を系統的に最適化し、その効果を検証した。
まず、データ表現の改善に取り組んだ。具体的には、薬剤コード、時間情報、詳細な診断コードの追加などを行った。これにより、3つの一般的な医療課題(死亡予測、疼痛治療予測、感染症予測)の平均AUROCが0.785から0.797に有意に向上した(p < 10^-7)。
次に、アーキテクチャや学習プロトコルの改善に取り組み、平均AUROCをさらに0.801まで向上させた(p < 10^-7)。
最後に、25の多様な医療課題で一貫した高性能を発揮することを示した。17課題で有意な性能向上、24課題で改善が見られ、本モデルの汎用性が確認された。
これらの知見は、BERT系EHRモデルの信頼性向上に寄与し、臨床現場での活用促進につながると期待される。
Başka Bir Dile
kaynak içeriğinden
arxiv.org
Önemli Bilgiler Şuradan Elde Edildi
by Mikk... : arxiv.org 04-24-2024
https://arxiv.org/pdf/2404.15201.pdfDaha Derin Sorular