[논문 리뷰] MIMIC-Extract: A Data Extraction, Preprocessing, and Representation Pipeline for MIMIC-III

Shirly Wang, Matthew B. A. McDermott외 4명|arXiv (Cornell University)|2019. 07. 19.

Machine Learning in Healthcare참고 문헌 20인용 수 42

한 줄 요약

MIMIC-Extract는 ML 모델 벤치마킹을 위한 준비된 시계열 특징, 개입 및 결과로 MIMIC-III EHR 데이터를 추출, 전처리 및 표현하는 오픈 소스 파이프라인을 제공합니다. ICU 예측 작업의 강건성, 재현성 및 확장성에 중점을 둡니다.

ABSTRACT

Robust machine learning relies on access to data that can be used with standardized frameworks in important tasks and the ability to develop models whose performance can be reasonably reproduced. In machine learning for healthcare, the community faces reproducibility challenges due to a lack of publicly accessible data and a lack of standardized data processing frameworks. We present MIMIC-Extract, an open-source pipeline for transforming raw electronic health record (EHR) data for critical care patients contained in the publicly-available MIMIC-III database into dataframes that are directly usable in common machine learning pipelines. MIMIC-Extract addresses three primary challenges in making complex health records data accessible to the broader machine learning community. First, it provides standardized data processing functions, including unit conversion, outlier detection, and aggregating semantically equivalent features, thus accounting for duplication and reducing missingness. Second, it preserves the time series nature of clinical data and can be easily integrated into clinically actionable prediction tasks in machine learning for health. Finally, it is highly extensible so that other researchers with related questions can easily use the same pipeline. We demonstrate the utility of this pipeline by showcasing several benchmark tasks and baseline results.

연구 동기 및 목표

• MIMIC-III EHR 데이터의 원시 데이터를 ML에 usable한 시계열 형식으로 변환하기 위한 강건하고 재현 가능한 파이프라인을 제공

제안 방법

• 첫 성인 ICU 체류에 초점을 맞춘 코호트 추출(나이 ≥15, 지속 시간 12h–<10d)
• 임상적으로 충분히 고안된 임계값을 사용한 단위 표준화와 이상치 처리
• 상태와 검사치를 시계열 특징으로 매시간 집계하고 임상적 집계를 통해 결측치를 줄임
• 매시간 개입 신호(환기, 혈관수축제, 체액)와 정적 결과의 추출
• 두 가지 특징 표현: 원시 ItemID 기반 특징과 임상적으로 집계된 특징
• 사용자 정의를 지원하는 키워드 기반 구성, 리소스 파일, 내장 SQL을 통한 확장 가능한 설계

실험 결과

연구 질문

• RQ1 MIMIC-III 데이터를 예측 작업에 적합하도록 표준화되고 강건한 매시간 시계열로 어떻게 변환할 수 있는가?
• RQ2 일반적이고 재현 가능한 데이터 파이프라인이 MIMIC-III에서 ICU ML 모델의 연구 간 비교 가능성과 벤치마킹을 개선할 수 있는가?
• RQ3 임상적 집계, 단위 변환 및 이상치 처리가 시계열 드리프트에 대한 모델 강건성에 미치는 영향은 무엇인가?
• RQ4 추출된 데이터로 어떤 예측 작업(사망률, LOS, 매시간 개입)들이 가능하고 기본 모델의 성능은 어떠한가?

주요 결과

• 이 파이프라인은 다수 벤치마크에 적합한 정적 데이터와 시간에 따라 변화하는 데이터를 모두 갖춘 34,472명의 기본 코호트를 산출한다
• 강건성 향상을 위해 원시 아이템 수준 특징과 임상적으로 집계된 특징의 두 가지 출력 형식이 제공된다
• 이상치 탐지 및 단위 변환이 적용되며 임상적으로 정보를 반영한 임계값이 데이터 정리에 가이드를 제공한다
• 호흡기 치료, 혈관수축제, 체액에 대한 매시간 개입이 시계열 신호로 포함된다
• 벤치마크 작업에는 사망률 및 LOS 예측, 다중 모델(LR, RF, GRU-D)을 사용한 매시간 개입 시작/종료 예측이 포함된다
• GRU-D와 RF는 일반적으로 작업 간 강한 AUROC/AUPRC를 달성하며 서로 다른 F1 및 정확도 패턴은 작업별 모델 강점을 시사한다