[论文解读] Disease Prediction from Electronic Health Records Using Generative Adversarial Networks.

Uiwon Hwang, Sung‐Woon Choi+1 more|arXiv (Cornell University)|Nov 11, 2017

Machine Learning in Healthcare参考文献 6被引用 12

一句话总结

本研究提出了一种新颖的框架，结合堆叠自编码器进行缺失值填补，以及辅助分类器生成对抗网络（AC-GANs）进行电子健康记录（EHRs）中的疾病预测。该方法实现了98.05%的预测准确率，显著优于传统算法在处理缺失数据和类别不平衡问题上的表现。

ABSTRACT

Electronic health records (EHRs) have contributed to the computerization of patient records so that it can be used not only for efficient and systematic medical services, but also for research on data science. In this paper, we compared disease prediction performance of generative adversarial networks (GANs) and conventional learning algorithms in combination with missing value prediction methods. As a result, the highest accuracy of 98.05% was obtained using stacked autoencoder as the missing value prediction method and auxiliary classifier GANs (AC-GANs) as the disease predicting method. Results show that the combination of stacked autoencoder and AC-GANs performs significantly greater than existing algorithms at the problem of disease prediction in which missing values and class imbalance exist.

研究动机与目标

• 解决电子健康记录（EHRs）在疾病预测中面临的缺失值与类别不平衡问题。
• 评估生成对抗网络（GANs）相较于传统机器学习算法在基于EHR的疾病预测中的性能表现。
• 识别在最大化预测准确率方面，缺失值填补与深度学习模型的最佳组合。

提出的方法

• 利用堆叠自编码器通过学习输入数据的分层表示，对EHR中的缺失值进行填补。
• 利用辅助分类器生成对抗网络（AC-GANs）在同时分类疾病结果的同时，生成逼真的合成EHR样本。
• 通过条件损失训练AC-GANs，利用分类标签在对抗训练过程中提升疾病预测性能。
• 采用相同的填补与预测流程，将AC-GANs与堆叠自编码器的性能与传统学习算法进行对比。
• 在将数据输入深度学习模型前，应用特征工程与归一化进行EHR数据预处理。
• 使用标准分类指标评估模型性能，准确率为首要评估指标。

实验结果

研究问题

• RQ1 基于堆叠自编码器填补的AC-GANs是否能在存在缺失数据的EHR疾病预测中显著优于传统机器学习模型？
• RQ2 堆叠自编码器与AC-GANs的集成在存在类别不平衡的情况下如何影响预测准确率？
• RQ3 在真实世界EHR数据集中，缺失值填补与深度学习模型的最佳组合是什么？

主要发现

• 采用堆叠自编码器进行缺失值填补、AC-GANs进行疾病预测的组合，实现了最高的准确率98.05%。
• 基于堆叠自编码器填补的AC-GANs在疾病预测任务中显著优于传统学习算法。
• 所提出方法在处理EHR数据集中常见的缺失数据与类别不平衡问题时表现出稳健性能。
• 结果表明，通过GAN进行生成建模，若与有效的填补方法结合，可使预测性能超越判别模型。