Prediction of Post-Operative Renal and Pulmonary Complications Using Transformers

要約

術後の合併症は医療業界に重大な課題をもたらし、医療費の高騰や入院期間の長期化、そしてまれに患者の死亡を引き起こします。
患者の転帰を改善し、医療費を削減するために、医療提供者はさまざまな周術期リスク スコアに基づいて臨床上の決定を導き、治療に優先順位を付けています。
近年、機械学習技術は術後の合併症や死亡率の予測に有望であることが示されており、深層学習モデルは医療アプリケーションで目覚ましい成功を収めています。
しかし、深層学習モデルを術中麻酔管理データに適用する研究は限られています。
この論文では、術後急性腎不全、術後肺合併症、および術後の院内死亡率を予測する際のトランスフォーマーベースのモデルのパフォーマンスを評価します。
私たちの手法のパフォーマンスを、臨床データセット上の勾配ブースティング ツリーやシーケンシャル アテンション モデルなどの最先端の表形式データ予測モデルと比較します。
私たちの結果は、トランスベースのモデルが術後合併症の予測において優れたパフォーマンスを達成し、従来の機械学習モデルを上回るパフォーマンスを発揮できることを示しています。
この研究は、術後ケアに対する医療業界のアプローチに革命をもたらす、深層学習技術、特にトランスベースのモデルの可能性を浮き彫りにしています。

要約(オリジナル)

Postoperative complications pose a significant challenge in the healthcare industry, resulting in elevated healthcare expenses and prolonged hospital stays, and in rare instances, patient mortality. To improve patient outcomes and reduce healthcare costs, healthcare providers rely on various perioperative risk scores to guide clinical decisions and prioritize care. In recent years, machine learning techniques have shown promise in predicting postoperative complications and fatality, with deep learning models achieving remarkable success in healthcare applications. However, research on the application of deep learning models to intra-operative anesthesia management data is limited. In this paper, we evaluate the performance of transformer-based models in predicting postoperative acute renal failure, postoperative pulmonary complications, and postoperative in-hospital mortality. We compare our method’s performance with state-of-the-art tabular data prediction models, including gradient boosting trees and sequential attention models, on a clinical dataset. Our results demonstrate that transformer-based models can achieve superior performance in predicting postoperative complications and outperform traditional machine learning models. This work highlights the potential of deep learning techniques, specifically transformer-based models, in revolutionizing the healthcare industry’s approach to postoperative care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google