人工智能模型可以帮助患者通过电子健康记录预测疾病风险

电子健康记录包含医疗提供者和患者的关键信息。但这些记录还包含可能干扰人工智能算法预测患者未来疾病风险的能力的信息。

信息科学学院和技术学院的研究人员旨在通过新的机器学习模型消除这些噪声或不必要的数据。叫lsan，深神经网络使用双管齐下的方法来扫描电子健康记录数据，并确定可以预测患者开发目标风险的信息疾病将来。

“我们想要预测一个病人将来是否会患糖尿病，”马说。“我们将使用患者的历史数据，在某些方面可能与糖尿病有关，比如高血压或者心力衰竭，这些都是目标疾病的风险因素。”

他继续，“但也有一些不相关的诊断代码或症状，并且患者的噪音信息是我们希望模型去除的东西，并将给予它们的重量较低。”

电子健康记录使用两级层次结构使用疾病（ICD）代码的国际分类来捕获患者的医疗旅程。层次结构从患者开始，然后进行时间顺序访问。然后在每次访问中，ICD代码与该访问的录制症状一起存储。

LSAN是“用于风险预测的分级注意网络的长期依赖和短期相关性”的缩写，它使用一个分级注意模块(HAM)来突出显示电子健康记录数据的排序顺序，并根据ICD代码与目标疾病的相关性给予不同的权重。然后，一个时间聚合模块(TAM)分析长期依赖关系，比如在患者完整的医疗旅程中每次就诊与其他患者之间的关系，以及短期相关性，比如在短时间内每次就诊与其他患者之间的关系。

信息科学与技术助理教授、首席研究员马凤龙说:“糖尿病患者有时会去看医生，问一些关于糖尿病治疗的问题。”但有时他们可能会去看医生，因为他们感冒了。所以我们想从电子健康数据中去除噪声数据的随机性。”

他补充说:“该模型可以输出患者是否会患上某种疾病的概率。对于一些患者来说，他们目前可能还没有明显的症状，但该模型可以做出预测。”

研究人员对三个真实世界的电子健康记录数据集进行了实验病人和心脏衰竭那肾脏疾病并发现LSAN优于现有的最先进的浅层方法和深度学习模型。

---

---