Approaching adverse event detection utilizing transformers on clinical time-series

要約

病院に入院する患者は、ほとんどの場合、入院中に特定の臨床症状の発現に関連します。
しかし、患者が誤った診断を受けたり、望ましい効果に関係のない特定の治療を受けたりして、有害事象を引き起こす可能性があるリスクが常に存在します。
私たちの研究は、予想される臨床経過からの逸脱を特定するための異常検出システムを開発することを目的としています。
この目標に取り組むために、私たちは Nordland Hospital Trust (NHT) から取得した 16 か月分のバイタルサイン記録を分析しました。
STraTS トランスフォーマー アーキテクチャに基づく自己教師型フレームワークを採用し、潜在空間内の時系列データを表現しました。
次に、これらの表現にさまざまなクラスタリング手法を適用して、臨床経過に基づいて潜在的な患者の表現型を調査しました。
この進行中の研究から得られた暫定的な結果は有望ですが、患者からの追加の人口統計情報でデータセットを強化することの重要性を強調しています。
この追加データは、メソッドのパフォーマンスをより包括的に評価するために非常に重要になります。

要約(オリジナル)

Patients being admitted to a hospital will most often be associated with a certain clinical development during their stay. However, there is always a risk of patients being subject to the wrong diagnosis or to a certain treatment not pertaining to the desired effect, potentially leading to adverse events. Our research aims to develop an anomaly detection system for identifying deviations from expected clinical trajectories. To address this goal we analyzed 16 months of vital sign recordings obtained from the Nordland Hospital Trust (NHT). We employed an self-supervised framework based on the STraTS transformer architecture to represent the time series data in a latent space. These representations were then subjected to various clustering techniques to explore potential patient phenotypes based on their clinical progress. While our preliminary results from this ongoing research are promising, they underscore the importance of enhancing the dataset with additional demographic information from patients. This additional data will be crucial for a more comprehensive evaluation of the method’s performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google