要約
患者の需要の増加と予算制約の圧力により、病床管理は臨床スタッフにとって日々の課題となっています。特に重要なのは、リソースを多く消費する集中治療室（ICU）のベッドを生命維持が必要な患者に効率的に割り当てることです。この問題解決において中心的な役割を果たすのは、現在のICU患者が単位にどれくらい滞在するかを予測することです。本研究では、時間畳み込みとポイントワイズ（1x1）畳み込みの組み合わせに基づく新しい深層学習モデルを提案し、eICUおよびMIMIC-IV集中治療データセットにおける滞在期間予測タスクに適用します。このモデルを時間ポイントワイズ畳み込み（Temporal Pointwise Convolution: TPC）と呼びます。TPCは、電子健康記録（Electronic Health Records: EHR）における偏り、不規則なサンプリング、欠損データなどの一般的な課題を軽減するために特別に設計されています。これにより、一般的に使用されている長短期記憶ネットワーク（Long-Short Term Memory: LSTM）やトランスフォーマー（Transformer）という多頭自己注意ネットワークに対して、18-68%（指標とデータセットによって異なる）の有意な性能向上を達成しました。さらに、死亡予測を副タスクとして追加することで、性能をさらに向上させることができ、残り滞在期間の予測における平均絶対偏差は1.55日（eICU）、2.28日（MIMIC-IV）となりました。