[论文解读] Learning to Identify Patients at Risk of Uncontrolled Hypertension Using Electronic Health Records Data

Ramin Mohammadi, Sarthak Jain+4 more|arXiv (Cornell University)|Jun 28, 2019

Machine Learning in Healthcare参考文献 9被引用 14

一句话总结

本研究利用电子健康记录（EHR）数据，开发了基于逻辑回归和长短期记忆网络（LSTM）的机器学习模型，以预测高血压患者在90天内发生血压控制不佳的风险。最佳模型的曲线下面积（AUROC）达到0.719，显著优于仅依赖最后一次血压读数的基线模型（AUROC 0.634），且逻辑回归模型的性能与更复杂的循环神经网络（RNN）相当。

ABSTRACT

Hypertension is a major risk factor for stroke, cardiovascular disease, and end-stage renal disease, and its prevalence is expected to rise dramatically. Effective hypertension management is thus critical. A particular priority is decreasing the incidence of uncontrolled hypertension. Early identification of patients at risk for uncontrolled hypertension would allow targeted use of personalized, proactive treatments. We develop machine learning models (logistic regression and recurrent neural networks) to stratify patients with respect to the risk of exhibiting uncontrolled hypertension within the coming three-month period. We trained and tested models using EHR data from 14,407 and 3,009 patients, respectively. The best model achieved an AUROC of 0.719, outperforming the simple, competitive baseline of relying prediction based on the last BP measure alone (0.634). Perhaps surprisingly, recurrent neural networks did not outperform a simple logistic regression for this task, suggesting that linear models should be included as strong baselines for predictive tasks using EHR

研究动机与目标

• 利用EHR数据开发并评估用于在90天窗口内预测高血压患者血压控制不佳风险的机器学习模型。
• 评估如LSTM等高级模型是否在性能上优于逻辑回归等简单模型。
• 识别对血压控制不佳具有预测力的关键临床和人口统计学特征，以支持风险分层。
• 通过早期识别高风险患者，支持主动的个性化干预措施。
• 通过改善对医疗机构报销至关重要的血压控制指标，为价值导向医疗提供支持。

提出的方法

• 对27,195名高血压患者的EHR数据进行回顾性分析，其中14,407例用于训练，3,009例用于测试。
• 通过特征工程，纳入多个时间点的既往血压测量值（收缩压、舒张压及平均动脉压）。
• 训练两种模型：采用L2正则化的逻辑回归模型和能够捕捉时间模式的长短期记忆（LSTM）网络。
• 使用均值填补法对数值变量进行缺失值填补，对分类变量使用独热编码。
• 采用受试者工作特征曲线下面积（AUROC）进行模型评估，并与仅使用最近一次血压读数的基线模型进行比较。
• 通过模型系数（逻辑回归）和注意力机制（LSTM）分析特征重要性，以识别具有影响力的预测因子。

实验结果

研究问题

• RQ1 基于EHR数据训练的机器学习模型能否有效预测90天内血压控制不佳？
• RQ2 与逻辑回归等简单模型相比，使用循环神经网络（LSTM）是否能提升该任务的预测性能？
• RQ3 在短期内，哪些临床和人口统计学特征对血压控制不佳最具预测力？
• RQ4 模型性能与仅依赖最后一次血压测量的简单基线模型相比如何？
• RQ5 血压测量的时间趋势在风险预测中起到多大程度的贡献？

主要发现

• 表现最佳的模型曲线下面积（AUROC）达到0.719，显著优于仅使用最后一次血压读数的基线模型（AUROC 0.634）。
• 加入时间特征的逻辑回归模型性能与更复杂的LSTM模型相当，表明线性模型可作为EHR预测任务的有力基线。
• 最具预测力的特征是近期收缩压值，尤其是最近1至3次就诊的数据，表明短期趋势的重要性。
• 如高血压诊断（HTN True）、出血史（BloodLoss False）和代谢综合征（Mets False）等变量呈现负系数，提示与较低风险相关。
• 就诊间隔时间以及患者的人口统计学特征（如种族和婚姻状况）也被识别为具有预测力，尽管其影响程度较小。
• 研究发现，使用均值填补法处理缺失值已足够有效，但更复杂的填补方法可能进一步提升性能。