Hospitalization Length of Stay Prediction using Patient Event Sequences

要約

患者の入院期間 (LOS) を予測することは、リソースの割り当てを改善し、医療機関における意思決定をサポートするために不可欠です。
この論文では、患者情報を一連のイベントとしてモデル化することにより、LOS を予測するための新しいアプローチを提案します。
具体的には、患者の医療イベントシーケンスを記述する独自の機能を使用した LOS 予測のために、Medic-BERT (M-BERT) と呼ばれるトランスベースのモデルを提示します。
デンマークの大病院の 45,000 人を超える救急患者のコホートに対して実証実験を行いました。
実験結果は、M-BERT がさまざまな LOS 問題で高い精度を達成でき、従来の非シーケンスベースの機械学習アプローチよりも優れていることを示しています。

要約(オリジナル)

Predicting patients hospital length of stay (LOS) is essential for improving resource allocation and supporting decision-making in healthcare organizations. This paper proposes a novel approach for predicting LOS by modeling patient information as sequences of events. Specifically, we present a transformer-based model, termed Medic-BERT (M-BERT), for LOS prediction using the unique features describing patients medical event sequences. We performed empirical experiments on a cohort of more than 45k emergency care patients from a large Danish hospital. Experimental results show that M-BERT can achieve high accuracy on a variety of LOS problems and outperforms traditional nonsequence-based machine learning approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google