[论文解读] Identifiable Phenotyping using Constrained Non-Negative Matrix Factorization

Shalmali Joshi, Suriya Gunasekar+2 more|arXiv (Cornell University)|Aug 2, 2016

Tensor decomposition and applications参考文献 24被引用 17

一句话总结

本文提出了一种受约束的非负矩阵分解（CNMF）方法，利用Elixhauser共病指数的弱监督，将潜在因子与ICU患者的特定慢性疾病相关联，确保因子的一对一可识别性与可解释性。该模型仅使用30个体征特征即实现了具有竞争力的30天死亡率预测性能，优于基线模型，并通过专家评估展示了其临床相关性。

ABSTRACT

This work proposes a new algorithm for automated and simultaneous phenotyping of multiple co-occurring medical conditions, also referred as comorbidities, using clinical notes from the electronic health records (EHRs). A basic latent factor estimation technique of non-negative matrix factorization (NMF) is augmented with domain specific constraints to obtain sparse latent factors that are anchored to a fixed set of chronic conditions. The proposed anchoring mechanism ensures a one-to-one identifiable and interpretable mapping between the latent factors and the target comorbidities. Qualitative assessment of the empirical results by clinical experts suggests that the proposed model learns clinically interpretable phenotypes while being predictive of 30 day mortality. The proposed method can be readily adapted to any non-negative EHR data across various healthcare institutions.

研究动机与目标

• 解决标准无监督表型分析方法（如NMF和LDA）在可识别性与可解释性方面的不足。
• 利用电子健康记录（EHR）中的临床记录，联合建模ICU患者中30种共存的共病。
• 通过领域约束确保学习到的潜在因子与目标慢性疾病之间实现一一对应映射。
• 通过稀疏、可解释的表型，提升临床相关性与对30天死亡率等结局的预测性能。
• 利用非负EHR数据，在不同医疗机构之间实现可扩展、可泛化的表型分析。

提出的方法

• 在标准NMF基础上引入源自Elixhauser共病指数（ECI）的支持约束，以将潜在因子锚定至特定共病。
• 应用促进稀疏性的软约束，以生成简洁、可解释的表型定义作为稀疏特征表示。
• 利用行政数据（ECI）的弱监督引导因子锚定，无需完整的人工标注。
• 在ICU住院前48小时的临床记录上训练模型，实现在数据有限情况下的早期表型分析。
• 将CNMF生成的表型与原始的词袋（bag-of-words）EHR特征结合，以提升死亡率预测性能，同时保持模型稀疏性。
• 采用约束优化框架联合优化非负性、稀疏性与支持约束。

实验结果

研究问题

• RQ1 来自行政数据的弱监督是否能提升无监督共病表型分析中的可识别性？
• RQ2 在潜在因子表示中强制实施稀疏性，如何影响所学表型的可解释性与临床相关性？
• RQ3 通过CNMF生成的30个体征特征集合，是否能在死亡率预测性能上与完整EHR数据相媲美？
• RQ4 将潜在因子锚定至已知共病是否能提升所得表型的临床合理性？
• RQ5 CNMF生成的特征在不同医疗机构与EHR系统之间具有多大程度的泛化能力？

主要发现

• 所提出的CNMF模型仅使用30个体征特征，即实现了具有竞争力的30天死亡率预测性能，曲线下面积（AUC）与使用约3500个特征的完整EHR数据训练的模型相当。
• 临床专家评价认为，所生成的表型具有临床可解释性与相关性，尤其指出共病的有意义聚类及与已知疾病模式的一致性。
• 同时具备支持约束与稀疏性的模型优于仅具监督但无稀疏性的基线模型，表明稀疏性可增强临床实用性。
• 当与原始EHR词袋特征结合时，最终分类器中仅有8.3%的原始特征具有非零权重，表明表型已捕获了大部分预测信号。
• 该模型成功识别出如“不进行心肺复苏”（DNR）等临床意义显著的特征作为死亡率的强预测因子，尽管这些特征与任何共病无直接关联。