TRACE: Transformer-based Risk Assessment for Clinical Evaluation

要約

特徴の相互作用と結果の解釈を強化するための自己注意メカニズムを活用した、臨床データに基づく臨床リスク評価の新しい方法である TRACE (臨床評価のためのトランスフォーマーベースのリスク評価) を紹介します。
私たちのアプローチは、連続属性、カテゴリ属性、複数選択 (チェックボックス) 属性など、さまざまなデータ モダリティを処理できます。
提案されたアーキテクチャは、各データ モダリティの特殊な埋め込みを統合することによって取得された臨床データの共有表現を特徴としており、Transformer エンコーダー レイヤーを使用して高リスク個人の検出を可能にします。
提案された方法の有効性を評価するために、非負の多層パーセプトロン (MLP) に基づく強力なベースラインが導入されます。
提案された方法は、欠損値を効果的に処理しながら、臨床リスク評価の分野で広く使用されているさまざまなベースラインを上回ります。
説明可能性の観点から、当社の Transformer ベースの手法は、注意の重み付けによって容易に解釈可能な結果を​​提供し、臨床医の意思決定プロセスをさらに強化します。

要約(オリジナル)

We present TRACE (Transformer-based Risk Assessment for Clinical Evaluation), a novel method for clinical risk assessment based on clinical data, leveraging the self-attention mechanism for enhanced feature interaction and result interpretation. Our approach is able to handle different data modalities, including continuous, categorical and multiple-choice (checkbox) attributes. The proposed architecture features a shared representation of the clinical data obtained by integrating specialized embeddings of each data modality, enabling the detection of high-risk individuals using Transformer encoder layers. To assess the effectiveness of the proposed method, a strong baseline based on non-negative multi-layer perceptrons (MLPs) is introduced. The proposed method outperforms various baselines widely used in the domain of clinical risk assessment, while effectively handling missing values. In terms of explainability, our Transformer-based method offers easily interpretable results via attention weights, further enhancing the clinicians’ decision-making process.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google