Early Risk Prediction of Pediatric Cardiac Arrest from Electronic Health Records via Multimodal Fused Transformer

要約

小児心臓停止（CA）の早期予測は、高リスクの集中治療室でのタイムリーな介入にとって重要です。
EHRの表形式ビューとEHRの派生テキストビューを融合して、高次元の危険因子とそのダイナミクスの相互作用を完全に解き放つために、派生したテキストビューと融合する新しいトランスベースのフレームワークであるPedca-FTを紹介します。
各モダリティビューに専用の変圧器モジュールを使用することにより、PEDCA-FTは複雑な時間的およびコンテキストパターンをキャプチャして、堅牢なCAリスク推定値を生成します。
CHOA-CICUデータベースからキュレーションされた小児コホートで評価されたこのアプローチは、5つの主要なパフォーマンスメトリックにわたって10の他の人工知能モデルを上回り、臨床的に意味のあるリスク要因を特定します。
これらの発見は、早期のCA検出を強化し、患者ケアを改善するためのマルチモーダル融合技術の可能性を強調しています。

要約(オリジナル)

Early prediction of pediatric cardiac arrest (CA) is critical for timely intervention in high-risk intensive care settings. We introduce PedCA-FT, a novel transformer-based framework that fuses tabular view of EHR with the derived textual view of EHR to fully unleash the interactions of high-dimensional risk factors and their dynamics. By employing dedicated transformer modules for each modality view, PedCA-FT captures complex temporal and contextual patterns to produce robust CA risk estimates. Evaluated on a curated pediatric cohort from the CHOA-CICU database, our approach outperforms ten other artificial intelligence models across five key performance metrics and identifies clinically meaningful risk factors. These findings underscore the potential of multimodal fusion techniques to enhance early CA detection and improve patient care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google