Predicting COVID-19 and pneumonia complications from admission texts

要約

タイトル：入院テキストからCOVID-19および肺炎の合併症を予測する

要約：

– 入院報告書に基づく患者のリスク評価のための新しいアプローチを提案する。
– Longformerニューラルネットワークを入院報告書と入院直後に利用可能な他のテキストデータに適用して、患者のリスクスコアを計算した。
– 欧州の複数の病院の患者データを使用して、提案手法がトランスフォーマーベースラインを上回ることを示した。
– 実験は、提案手法が施設や診断に関係なく汎用的であることを示した。
– さらに、提案手法には、論文で記述されているその他の利点がある。

要約(オリジナル)

In this paper we present a novel approach to risk assessment for patients hospitalized with pneumonia or COVID-19 based on their admission reports. We applied a Longformer neural network to admission reports and other textual data available shortly after admission to compute risk scores for the patients. We used patient data of multiple European hospitals to demonstrate that our approach outperforms the Transformer baselines. Our experiments show that the proposed model generalises across institutions and diagnoses. Also, our method has several other advantages described in the paper.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI