HgbNet: predicting hemoglobin level/anemia degree from EHR data

要約

貧血は一般的な病状であり、通常、診断とモニタリングのために侵襲的な血液検査が必要です。
電子医療記録 (EHR) は、数多くの医学研究の貴重なデータ ソースとして登場しました。
EHR ベースのヘモグロビン レベル/貧血度の予測は非侵襲的で迅速ですが、EHR データは通常、多数の欠損値と不規則な時間間隔を含む不規則な多変量時系列であるという事実により、依然としていくつかの課題に直面しています。
これらの問題に対処するために、ヘモグロビンレベル/貧血度予測のための臨床医の意思決定プロセスをエミュレートする機械学習ベースの予測モデルである HgbNet を紹介します。
このモデルには、欠損値を処理する欠損インジケーターを備えた NanDense レイヤーが組み込まれており、局所的な不規則性と全体的な不規則性の両方を考慮してアテンション メカニズムを採用しています。
2 つのユースケースにわたる 2 つの現実世界のデータセットを使用して、提案された方法を評価します。
最初の使用例では、T+1 より前の瞬間の記録を利用して、T+1 時点のヘモグロビン レベル/貧血度を予測します。
2 番目の使用例では、T+1 時点でのすべての履歴記録と追加の選択された検査結果を統合して、同じ時点 T+1 でのヘモグロビン レベル/貧血度を予測します。
HgbNet は、すべてのデータセットとユースケースにわたって最良のベースライン結果を上回っています。
これらの発見は、EHR データからヘモグロビン レベルと貧血の程度を推定する実現可能性を示しており、HgbNet は、世界中の何百万人もの罹患者の生活の質を向上させる可能性がある効果的な非侵襲性貧血診断ソリューションとして位置づけられています。
私たちの知る限り、HgbNet はヘモグロビンレベル/貧血度の予測に EHR データを活用した最初の機械学習モデルです。

要約(オリジナル)

Anemia is a prevalent medical condition that typically requires invasive blood tests for diagnosis and monitoring. Electronic health records (EHRs) have emerged as valuable data sources for numerous medical studies. EHR-based hemoglobin level/anemia degree prediction is non-invasive and rapid but still faces some challenges due to the fact that EHR data is typically an irregular multivariate time series containing a significant number of missing values and irregular time intervals. To address these issues, we introduce HgbNet, a machine learning-based prediction model that emulates clinicians’ decision-making processes for hemoglobin level/anemia degree prediction. The model incorporates a NanDense layer with a missing indicator to handle missing values and employs attention mechanisms to account for both local irregularity and global irregularity. We evaluate the proposed method using two real-world datasets across two use cases. In our first use case, we predict hemoglobin level/anemia degree at moment T+1 by utilizing records from moments prior to T+1. In our second use case, we integrate all historical records with additional selected test results at moment T+1 to predict hemoglobin level/anemia degree at the same moment, T+1. HgbNet outperforms the best baseline results across all datasets and use cases. These findings demonstrate the feasibility of estimating hemoglobin levels and anemia degree from EHR data, positioning HgbNet as an effective non-invasive anemia diagnosis solution that could potentially enhance the quality of life for millions of affected individuals worldwide. To our knowledge, HgbNet is the first machine learning model leveraging EHR data for hemoglobin level/anemia degree prediction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google