입원 기록을 이용한 자가 감독 지식 통합을 통한 임상 결과 예측

임상 텍스트에서 결과 예측은 의사들이 가능한 위험을 간과하는 것을 방지하고 병원이 용량을 계획하는 데 도움을 줄 수 있습니다. 우리는 입원 시점에서 환자를 시뮬레이션하여, 이때 결정 지원이 특히 가치가 있음을 고려하였습니다. 그리고 네 가지 일반적인 결과 예측 목표를 포함한 새로운 입원부터 퇴원까지의 작업을 제안합니다: 퇴원 시 진단, 수행된 절차, 병원 내 사망률 및 체류 기간 예측입니다. 이상적인 시스템은 환자의 증상, 사전 조건 및 위험 요소를 바탕으로 결과를 추론해야 합니다. 우리는 언어 모델이 이러한 상황을 처리하는 효과성을 평가하고, 여러 공개 소스에서 환자 결과에 대한 지식을 통합하기 위한 임상 결과 사전 학습(clinical outcome pre-training) 방법을 제안합니다. 또한 ICD 코드 계층 구조를 모델에 통합하는 간단한 방법도 소개합니다. 실험 결과, 우리의 접근법은 여러 베이스라인 대비 결과 작업의 성능을 개선시킨다는 것을 보여주었습니다. 상세 분석에서는 모델의 추가적인 장점, 예를 들어 전이성(transferability) 등을 밝혔지만, 생명체징후(vital values) 처리와 기저 데이터의 불일치(inconsistencies in the underlying data) 등의 약점을 함께 지적하였습니다.