Transformer Models for Acute Brain Dysfunction Prediction

要約

昏睡やせん妄を含む急性脳機能障害 (ABD) は、特に高齢の患者の間で ICU に蔓延しています。
ケア提供者による ABD の手動評価における現在のアプローチは、散発的で主観的である可能性があります。
したがって、ABD の評価と予測を自動化するデータ駆動型の堅牢なシステムが必要です。
この作業では、電子カルテ (HER) データを使用して ADB のリアルタイム予測のための機械学習システムを開発します。
当社のデータ処理パイプラインは、静的データと一時データの統合、および ABD に関連する機能の抽出を可能にします。
UF シャンズ病院の ICU に入院した患者から収集したデータに基づいて、CatBoost や XGB を含むいくつかの最先端の変圧器モデルとベースライン機械学習モデルをトレーニングします。
脳視力のバイナリ分類とマルチクラス分類 (すなわち、昏睡、せん妄、死亡、または正常) を含む急性脳機能障害に関連するタスクに対するシステムの有効性を実証し、Long-former 実装で平均 AUROC 0.953 を達成します。
.
その後、ICU での ADB のリアルタイム予測のために当社のシステムを展開して、ABD によって引き起こされるインシデントの数を減らすことができます。
さらに、リアルタイム システムには、コスト、患者の ICU 滞在期間、罹患者の死亡率を削減できる可能性があります。

要約(オリジナル)

Acute brain dysfunctions (ABD), which include coma and delirium, are prevalent in the ICU, especially among older patients. The current approach in manual assessment of ABD by care providers may be sporadic and subjective. Hence, there exists a need for a data-driven robust system automating the assessment and prediction of ABD. In this work, we develop a machine learning system for real-time prediction of ADB using Electronic Health Record (HER) data. Our data processing pipeline enables integration of static and temporal data, and extraction of features relevant to ABD. We train several state-of-the-art transformer models and baseline machine learning models including CatBoost and XGB on the data that was collected from patients admitted to the ICU at UF Shands Hospital. We demonstrate the efficacy of our system for tasks related to acute brain dysfunction including binary classification of brain acuity and multi-class classification (i.e., coma, delirium, death, or normal), achieving a mean AUROC of 0.953 on our Long-former implementation. Our system can then be deployed for real-time prediction of ADB in ICUs to reduce the number of incidents caused by ABD. Moreover, the real-time system has the potential to reduce costs, duration of patients stays in the ICU, and mortality among those afflicted.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google