WellFactor: Patient Profiling using Integrative Embedding of Healthcare Data

要約

急速に進化する医療業界では、プラットフォームは従来の医療記録だけでなく、医療 Web ポータルからのデータなど、さまざまな患者のやり取りを含む多様なデータセットにもアクセスできるようになりました。
この豊富な多様性に対処するために、当社は WellFactor を導入します。これは、これらのソースからの情報を統合することによって患者プロファイルを導き出す方法です。
私たちのアプローチの中心となるのは、制約付きの低ランク近似の利用です。
WellFactor は、医療データに特有の希薄性を処理するために最適化されています。
さらに、タスク固有のラベル情報を組み込むことで、私たちの方法は埋め込み結果を改良し、患者に対してより多くの情報に基づいた視点を提供します。
WellFactor の重要な機能の 1 つは、これまで観察されていなかった新しい患者データのエンベディングを瞬時に計算できる機能で、データ セット全体を再検討したり、エンベディングを再計算したりする必要がなくなります。
実際の医療データに関する包括的な評価により、WellFactor の有効性が実証されています。
分類パフォーマンスにおいて他の既存の方法と比較して優れた結果が得られ、意味のある患者のクラスタリングが得られ、患者の類似性の検索と予測で一貫した結果が得られます。

要約(オリジナル)

In the rapidly evolving healthcare industry, platforms now have access to not only traditional medical records, but also diverse data sets encompassing various patient interactions, such as those from healthcare web portals. To address this rich diversity of data, we introduce WellFactor: a method that derives patient profiles by integrating information from these sources. Central to our approach is the utilization of constrained low-rank approximation. WellFactor is optimized to handle the sparsity that is often inherent in healthcare data. Moreover, by incorporating task-specific label information, our method refines the embedding results, offering a more informed perspective on patients. One important feature of WellFactor is its ability to compute embeddings for new, previously unobserved patient data instantaneously, eliminating the need to revisit the entire data set or recomputing the embedding. Comprehensive evaluations on real-world healthcare data demonstrate WellFactor’s effectiveness. It produces better results compared to other existing methods in classification performance, yields meaningful clustering of patients, and delivers consistent results in patient similarity searches and predictions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google