[论文解读] Sparse Multi-Output Gaussian Processes for Medical Time Series Prediction

Lifang Cheng, Gregory Darnell+5 more|arXiv (Cornell University)|Mar 27, 2017

Machine Learning in Healthcare参考文献 41被引用 24

一句话总结

该论文提出MedGP，一种稀疏多输出高斯过程框架，通过电子健康记录（EHRs）实现实时、精确的临床协变量预测。通过利用具有谱混合分量和诱导点的结构化稀疏核，MedGP能够处理跨数万个时间点的未对齐、稀疏且异质的EHR数据，在脓毒症、肿瘤和心力衰竭子群体中，相较于基线方法，实现了更高的在线插补准确率和不确定性量化。

ABSTRACT

In the scenario of real-time monitoring of hospital patients, high-quality inference of patients' health status using all information available from clinical covariates and lab tests is essential to enable successful medical interventions and improve patient outcomes. Developing a computational framework that can learn from observational large-scale electronic health records (EHRs) and make accurate real-time predictions is a critical step. In this work, we develop and explore a Bayesian nonparametric model based on Gaussian process (GP) regression for hospital patient monitoring. We propose MedGP, a statistical framework that incorporates 24 clinical and lab covariates and supports a rich reference data set from which relationships between observed covariates may be inferred and exploited for high-quality inference of patient state over time. To do this, we develop a highly structured sparse GP kernel to enable tractable computation over tens of thousands of time points while estimating correlations among clinical covariates, patients, and periodicity in patient observations. MedGP has a number of benefits over current methods, including (i) not requiring an alignment of the time series data, (ii) quantifying confidence regions in the predictions, (iii) exploiting a vast and rich database of patients, and (iv) inferring interpretable relationships among clinical covariates. We evaluate and compare results from MedGP on the task of online prediction for three patient subgroups from two medical data sets across 8,043 patients. We found MedGP improves online prediction over baseline methods for nearly all covariates across different disease subgroups and studies. The publicly available code is at https://github.com/bee-hive/MedGP.

研究动机与目标

• 开发一种可扩展的贝叶斯非参数框架，用于使用大规模、稀疏且未对齐的电子健康记录（EHRs）实现实时患者监测。
• 实现在无需时间序列对齐或缺失数据插补的情况下，对24个临床和实验室协变量进行准确的在线预测。
• 量化预测不确定性，并利用临床时间序列中患者、协变量和周期性之间的相关性。
• 通过从历史EHR数据建模患者状态动态，支持脓毒症等危重疾病的早期诊断。

提出的方法

• MedGP采用多输出高斯过程，结合结构化稀疏核，通过诱导点实现谱混合核的低秩近似，以实现可扩展的推理。
• 该核整合了周期性、长短期相关性以及24个临床和实验室协变量之间的跨协变量依赖关系。
• 采用变分推理结合随机优化方法近似后验分布，实现在数万个时间点上的可计算性。
• 通过使用Q个诱导点的稀疏近似，将计算复杂度从O(N³)降低至O(NQ²)，其中N为观测数，Q ≪ N。
• 通过在新数据到达时逐步更新后验分布，框架支持在线预测，无需从头开始重新训练。
• 该方法使用Python实现，并在https://github.com/bee-hive/MedGP公开发布。

实验结果

研究问题

• RQ1 与标准基线相比，像MedGP这样的贝叶斯非参数模型是否能提升对稀疏、未对齐临床时间序列的在线插补准确率？
• RQ2 在EHR的多输出GP模型中，基函数数量（Q）的选择如何影响预测性能和不确定性校准？
• RQ3 MedGP在无需数据对齐的情况下，能在多大程度上利用患者层面的相关性和临床协变量的周期性来提升预测性能？
• RQ4 MedGP是否能在不同患者子群体和临床协变量上提供校准良好的不确定性估计（例如，95%预测覆盖）？
• RQ5 MedGP能否使用共享的参考EHR数据库，在不同疾病子群体（如脓毒症、肿瘤、心力衰竭）之间实现泛化？

主要发现

• 在HUP和MIMIC-III数据集的脓毒症、肿瘤和心力衰竭三个患者子群体中，MedGP在几乎所有协变量上均优于基线方法，实现了更高的在线预测性能。
• 在HUP子集上，Q=5时性能最佳；在MIMIC-III子集上，Q=4时性能最佳，相较于基线方法，显著降低了插补的平均绝对误差（MAE）。
• 对于INR和PT等实验室协变量，设置Q=1或Q=2可进一步降低MAE，尽管在Q>2后覆盖度进一步提升，表明准确率与不确定性校准之间存在权衡。
• MedGP在大多数协变量上保持了95%的预测覆盖度，覆盖度图中的红色虚线（图26–33）表明模型的不确定性区间具有良好的校准性。
• 在大型EHR数据集（如29,525个观测）上，模型运行时间最快可达GPy的2.5倍，证明了稀疏核近似带来的可扩展性。
• 该框架成功量化了置信区域，并在无需时间序列对齐或显式插补的情况下，推断出临床协变量之间可解释的关系。