[論文レビュー] Learning compressed representations of blood samples time series with missing data.

Filippo Maria Bianchi, Karl Øyvind Mikalsen+1 more|arXiv (Cornell University)|Oct 1, 2017

Machine Learning in Healthcare被引用数 1

ひとこと要約

本論文は、欠損データを伴う多変量血液サンプル時系列の圧縮された低次元表現を学習するために、Time Series Cluster Kernel (TCK) を統合した新しい自己符号化器フレームワークを提案する。TCK をカーネル整合性を用いて統合することで、欠損パターンの処理において、標準的な自己符号化器よりも表現品質と分類性能が向上し、外科的サイト感染予測の分野で優れた性能を発揮する。

ABSTRACT

Clinical measurements collected over time are naturally represented as multivariate time series (MTS), which often contain missing data. An autoencoder can learn low dimensional vectorial representations of MTS that preserve important data characteristics, but cannot deal explicitly with missing data. In this work, we propose a new framework that combines an autoencoder with the Time series Cluster Kernel (TCK), a kernel that accounts for missingness patterns in MTS. Via kernel alignment, we incorporate TCK in the autoencoder to improve the learned representations in presence of missing data. We consider a classification problem of MTS with missing values, representing blood samples of patients with surgical site infection. With our approach, rather than with a standard autoencoder, we learn representations in low dimensions that can be classified better.

研究の動機と目的

• 臨床現場における欠損データを伴う多変量時系列（MTS）から意味のある低次元表現を学ぶ課題に対処すること。
• 欠損値を伴う MTS の表現を向上させるために、欠損パターンを明示的にモデル化することで、自己符号化器の性能を改善すること。
• 自己符号化器と、欠損データパターンを考慮するように設計された Time Series Cluster Kernel (TCK) を組み合わせるフレームワークを開発すること。
• 実臨床分類タスク（血液サンプル MTS と外科的サイト感染）における提案手法の有効性を評価すること。
• 標準的な自己符号化器と比較して、TCK とのカーネル整合性が表現品質と下流分類精度を向上させることを示すこと。

提案手法

• 本フレームワークは、時系列の観測済みおよび欠損セグメントに基づいて類似度を測定することで、MTS における欠損パターンをモデル化する Time Series Cluster Kernel (TCK) を統合する。
• カーネル整合性を用いて自己符号化器の学習目的を正則化し、学習された表現を TCK に基づく類似度構造に一致させる。
• 自己符号化器は、入力 MTS の構造的および時間的特性を保持しつつ、欠損データに対して耐性を持つボトルネック表現を学習する。
• 再構成誤差とカーネル整合性損失の両方を含む損失関数を用いて、エンドツーエンドでモデルを訓練する。
• 得られた低次元埋め込みは、外科的サイト感染予測などの下流分類タスクに使用される。
• 本手法は補完を必要とせず、元のデータ構造の整合性を保ちながら、欠損データパターンを明示的に処理する。

実験結果

リサーチクエスチョン

• RQ1 自己符号化器と Time Series Cluster Kernel (TCK) を組み合わせることで、欠損データを伴う多変量時系列の圧縮表現の品質が向上するか？
• RQ2 自己符号化器の潜在空間と TCK に基づく類似度測定との間のカーネル整合性は、欠損値が存在する状況下での表現学習にどのように影響するか？
• RQ3 提案されたフレームワークは、血液サンプル時系列などの欠損データを伴う臨床的 MTS の分類において、標準的な自己符号化器を上回る性能を示すか？
• RQ4 欠損パターンを明示的にモデル化することで、外科的サイト感染予測の下流分類性能はどの程度向上するか？
• RQ5 臨床時系列における変動する欠損レベルおよびパターンに対して、学習された表現はどの程度頑健か？

主な発見

• 欠損データを伴う血液サンプル MTS に適用した場合、提案フレームワークは標準的な自己符号化器よりも外科的サイト感染予測において優れた分類性能を達成した。
• TCK をカーネル整合性を用いて統合することで、より情報量が多く、耐性のある低次元表現が得られ、欠損値を伴う MTS の背後にある構造をよりよく捉えるようになった。
• 補完を必要とせず、欠損データパターンの特徴を保ちながら、元のデータ特性を維持したまま学習が可能であった。
• カーネル整合性のメカニズムにより、自己符号化器が TCK の類似度の概念に一致する表現を学習するのを効果的に支援し、一般化性能が向上した。
• 結果として、表現学習プロセスにおいて欠損パターンを明示的にモデル化することで、下流分類精度が向上することが実証された。
• 高い欠損率下でも性能が向上しており、データの不完全性に対して強い頑健性を示した。