Prédiction de la trajectoire du patient : Intégration des notes cliniques aux transformers
Résumé
La prédiction des trajectoires de maladies à partir des dossiers médicaux électroniques (DME) pose des défis liés à la non-stationnarité des données, à la granularité des codes médicaux et à l'intégration de données multimodales. Les DME combinent données structurées, comme les codes de diagnostic, et données non structurées, telles que les notes cliniques, souvent sous-exploitées malgré leur richesse informative. Pour remédier à ces limites, nous proposons d'intégrer les notes cliniques non structurées dans des modèles de prédiction séquentielle des maladies basés sur les modèles Transformers, améliorant ainsi la précision des prédictions de diagnostics futurs. Les expérimentations menées sur les ensembles de données MIMIC-IV ont montré que l'approche proposée offre de meilleures performances en comparaison des modèles traditionnels reposant uniquement sur des données structurées.
Domaines
Informatique [cs]Origine | Fichiers produits par l'(les) auteur(s) |
---|