[论文解读] HeteroMed: Heterogeneous Information Network for Medical Diagnosis

Anahita Hosseini, Ting Chen+3 more|arXiv (Cornell University)|Apr 22, 2018

Machine Learning in Healthcare被引用 9

一句话总结

HeteroMed 提出了一种异质信息网络（HIN）框架，用于通过元路径和联合嵌入捕捉临床事件之间的语义关联，从而对电子健康记录（EHR）进行建模，以提升医疗诊断性能。该方法在预测精确诊断代码和疾病队列方面优于先前的方法，同时展现出更强的能力来学习事件之间的临床相关相似性。

ABSTRACT

With the recent availability of Electronic Health Records (EHR) and great opportunities they offer for advancing medical informatics, there has been growing interest in mining EHR for improving quality of care. Disease diagnosis due to its sensitive nature, huge costs of error, and complexity has become an increasingly important focus of research in past years. Existing studies model EHR by capturing co-occurrence of clinical events to learn their latent embeddings. However, relations among clinical events carry various semantics and contribute differently to disease diagnosis which gives precedence to a more advanced modeling of heterogeneous data types and relations in EHR data than existing solutions. To address these issues, we represent how high-dimensional EHR data and its rich relationships can be suitably translated into HeteroMed, a heterogeneous information network for robust medical diagnosis. Our modeling approach allows for straightforward handling of missing values and heterogeneity of data. HeteroMed exploits metapaths to capture higher level and semantically important relations contributing to disease diagnosis. Furthermore, it employs a joint embedding framework to tailor clinical event representations to the disease diagnosis goal. To the best of our knowledge, this is the first study to use Heterogeneous Information Network for modeling clinical data and disease diagnosis. Experimental results of our study show superior performance of HeteroMed compared to prior methods in prediction of exact diagnosis codes and general disease cohorts. Moreover, HeteroMed outperforms baseline models in capturing similarities of clinical events which are examined qualitatively through case studies.

研究动机与目标

• 解决现有 EHR 建模方法无法捕捉临床事件之间语义关联的局限性。
• 开发一种框架，从包含缺失值的异质 EHR 数据中学习与疾病诊断相关的表征。
• 利用元路径对复杂、多类型临床关系（如症状、实验室检查、诊断）进行建模，以提升诊断推理能力。
• 实现鲁棒的、与关系相关的表征学习，捕捉事件之间的临床有意义相似性。
• 在精确诊断代码预测和一般疾病队列分类任务中均展现出卓越性能。

提出的方法

• 将原始 EHR 数据（文本、数值、分类）转换为具有不同节点类型（如患者、就诊记录、临床事件）和关系类型的异质信息网络。
• 定义元路径（如 Patient-Visit-Symptom-Diagnosis 或 Patient-Visit-LabTest-Diagnosis），以编码与诊断相关的高层语义关系。
• 采用异质网络嵌入模型，沿预定义的元路径采样节点，学习临床事件的上下文感知表征。
• 使用联合嵌入框架，专门针对疾病诊断预测任务定制临床事件表征。
• 通过利用基于元路径的上下文处理缺失值，避免依赖完整记录。
• 在元路径定义的邻域内应用类似 skip-gram 的负采样策略，以优化表征学习。

实验结果

研究问题

• RQ1 异质信息网络能否有效建模 EHR 数据的复杂多关系结构，以支持医疗诊断？
• RQ2 与基于共现的方法相比，元路径定义的关系在临床事件表征方面有何改进？
• RQ3 与通用嵌入模型相比，关系感知嵌入在多大程度上提升了诊断预测的准确性？
• RQ4 即使存在缺失数据，该模型能否捕捉症状与诊断之间的临床有意义相似性？
• RQ5 为诊断任务量身定制的联合嵌入框架是否在下游诊断任务中优于通用表征学习方法？

主要发现

• HeteroMed 在 MIMIC-III 数据集上预测精确诊断代码方面显著优于基线模型，且在所有诊断代码组中均表现更优。
• HeteroMed 在疾病队列预测任务中表现更佳，尤其在诊断类别稀疏的情况下，表明其对类别不平衡具有更强鲁棒性。
• 在定性案例研究中，HeteroMed 将临床相关的症状（如糖尿病、贫血、感冒）排在比基于 Skipgram 的模型更高的位置，表明其具备更优的语义理解能力。
• HeteroMed 能够成功预测所有主要疾病类别，而 Skipgram 模型则遗漏了如消化系统疾病等完整类别。
• HeteroMed 的预测更具临床一致性，其前 9 个预测代码全部属于实际疾病类别，而 Skipgram 模型则预测了来自无关类别的代码（如结缔组织病）。
• 该模型通过元路径学习表征的能力，使得临床事件之间的相似性更准确且语义更合理，经专家评审验证。