Med-MIMIC，持续分享MIMIC临床生信文献与思路解读，捕捉当下热点思路，感兴趣的老师可以点点关注~需要定制化分析的老师欢迎扫码联系~
文章标题：Multi-task heterogeneous graph learning on electronic health records
中文标题：电子健康记录上的多任务异构图学习
发表期刊：Neural Netw .
发表时间：2024年8月
影响因子：6/Q1
学习电子健康记录 （EHR） 因其能够促进准确的医疗诊断而受到越来越多的关注。由于 EHR 包含指定实体之间复杂交互的丰富信息，因此使用图表对 EHR 进行建模在实践中被证明是有效的。然而，EHR 存在很大程度的异质性、稀疏性和复杂性，这阻碍了应用于它们的大多数模型的性能。此外，现有的 EHR 建模方法通常侧重于学习单个任务的表示，而忽略了 EHR 分析问题的多任务性质，并导致不同任务的泛化性有限。鉴于这些局限性，我们提出了一种新的 EHR 建模框架，即 MulT-EHR（多任务 EHR），它利用异构图来挖掘复杂的关系并对 EHR 中的异质性进行建模。
思路
为了减轻大量噪声，我们引入了一个基于因果推理框架的降噪模块，以调整严重的混杂效应并减少 EHR 数据中的噪声。此外，由于我们的模型采用单图神经网络进行同步多任务预测，因此我们设计了一个多任务学习模块，以利用任务间知识来规范训练过程。对 MIMIC-III 和 MIMIC-IV 数据集的广泛实证研究验证，所提出的方法在四个流行的 EHR 分析任务 - 药物推荐和住院时间、死亡率和再入院的预测方面始终优于最先进的设计。
数据集
任务和评估指标
我们用 EHR 数据的常见任务来评估我们提出的方法。我们的模型由四个监督任务训练——院内死亡率预测 （MORT）、再入院预测 （READM）、住院时间 （LoS） 预测和药物推荐 （DR）。然后，使用每个任务的测试数据在每个单独的任务上评估经过训练的多任务模型。我们将死亡率预测和再入院预测视为二元分类任务，将 LoS 视为多类分类任务（有 10 个类），将药物推荐视为多标签分类任务（MIMIC-III 有 351 个标签，MIMIC-IV 有 501 个标签）。我们在适当的时候报告任务的受试者工作曲线下面积 （AUROC） 和精确率-召回曲线 （AUPR） 、准确性、F1 分数和 Jaccard 指数。我们对每个实验执行五重交叉验证。
结果分析
1. 嵌入可视化
图 6 显示了由不同方法生成的嵌入的 T-SNE（t 分布随机邻域嵌入）图。通常，嵌入根据其节点类型进行聚类，这验证了嵌入可以学习每个节点类型的唯一表示。我们还比较了不同方法的嵌入。我们观察到所有方法都可以捕获医疗实体的模式。但是，MulT-EHR 捕获的模式比其他方法更独特、更复杂。这表明我们的方法更能够捕获 EHR 数据中呈现的独特模式。
2. 预测解释
我们对患者的特定就诊进行案例研究，以评估再入院预测的决策过程。对于选定的访问节点，我们选择具有最高边缘注意力分数的前 3 个诊断边缘。表 5 显示了就诊和与其再入院预测相关的选定诊断（以及 ICD9 代码和诊断描述）。我们观察到，我们的模型可以根据注意力分数选择与大脑功能和癌症相关的诊断，这提供了证据，证明该模型在进行再入院预测时可以有效地捕获 EHR 中的语义信息。
3. 不同成分的消融研究
为了验证模型每个组成部分的贡献，我们停用了因果消除偏差和/或多任务学习模块，以检查它们对结果的影响。表 6 显示了重新准入任务的结果。我们观察到，包括因果降噪模块或多任务聚合模块会导致性能提高，而同时包含这两个模块会导致最佳性能。这验证了我们的框架中提出的两个模块都提高了学习性能。
4. 不同任务数量的影响
我们表明，随着更多的任务被纳入我们的多任务学习方法，由于跨任务知识共享，预测任务的性能可以提高。我们试验了 1 到 4 个任务，表 7 显示了结果。我们观察到，随着训练中任务数量的增加，再入院预测的性能也会相应提高。这验证了我们的多任务学习框架可以利用更多的任务间知识，因为训练阶段包含了更多的任务。
5. 不同 GNN 架构的影响
我们比较了不同的图卷积方法，以展示聚合方法中的消融如何影响我们的框架。表 8 显示了 MIMIC-III 医院再入院任务的结果。我们观察到，当 GNN 架构发生变化时，我们的方法总体上是稳健的。
文章小结
我们提出了一种用于 EHR 建模的新型多任务学习框架，名为 MulT-EHR，它挖掘 EHR 数据中的异质性，同时调整混杂效应。我们提出的框架采用 GNN 架构，该架构结合了用于消除偏差的因果解缠，并最大限度地减少任务级差异以提高跨任务性能。对各种数据集的实证研究验证了我们提出的方法优于现有的单任务和多任务设计今天为大家分享的文章纯公共数据挖掘+统计分析，就发到了一区！如果你也想在临床方向发高分文章，不妨试试这个省钱省事又省力的思路吧！
