用于心衰患者重入院预测的LSTM模型

电子健康记录(EHR)中蕴含着丰富的语义信息,目前对EHR的数据挖掘主要基于传统机器学习方法,涉及大量人工特征工程。但由于EHR数据存在维度大、时间跨度长等特点,传统机器学习方法较难有效地捕捉EHR中的深层语义信息。使用LSTM模型对心力衰竭患者的EHR数据进行建模和训练,以30天内重入院作为预测目标开展研究。实验结果表明,LSTM模型能够有效地捕捉EHR时序数据中的语义信息,与传统机器学习方法相比,在ROC-AUC指标上提升了10.48百分点。