[论文解读] Visualization of Emergency Department Clinical Data for Interpretable Patient Phenotyping

Nathan C. Hurley, Adrian D. Haimovich+2 more|arXiv (Cornell University)|Jul 5, 2019

Machine Learning in Healthcare被引用 4

一句话总结

本文提出了一种基于UMAP和高斯混合模型（GMMs）的二维可视化流程，用于在急诊科（ED）电子健康记录（EHR）数据中识别可解释的、数据驱动的患者表型。通过将非线性降维与聚类方法应用于涵盖五种主诉的现实ED数据集，该方法揭示了稳定且具有临床意义的患者亚群，调整兰德指数（ARI）得分介于0.35至0.74之间，支持实时分诊及回顾性队列发现。

ABSTRACT

Visual summarization of clinical data collected on patients contained within the electronic health record (EHR) may enable precise and rapid triage at the time of patient presentation to an emergency department (ED). The triage process is critical in the appropriate allocation of resources and in anticipating eventual patient disposition, typically admission to the hospital or discharge home. EHR data are high-dimensional and complex, but offer the opportunity to discover and characterize underlying data-driven patient phenotypes. These phenotypes will enable improved, personalized therapeutic decision making and prognostication. In this work, we focus on the challenge of two-dimensional patient projections. A low dimensional embedding offers visual interpretability lost in higher dimensions. While linear dimensionality reduction techniques such as principal component analysis are often used towards this aim, they are insufficient to describe the variance of patient data. In this work, we employ the newly-described non-linear embedding technique called uniform manifold approximation and projection (UMAP). UMAP seeks to capture both local and global structures in high-dimensional data. We then use Gaussian mixture models to identify clusters in the embedded data and use the adjusted Rand index (ARI) to establish stability in the discovery of these clusters. This technique is applied to five common clinical chief complaints from a real-world ED EHR dataset, describing the emergent properties of discovered clusters. We observe clinically-relevant cluster attributes, suggesting that visual embeddings of EHR data using non-linear dimensionality reduction is a promising approach to reveal data-driven patient phenotypes. In the five chief complaints, we find between 2 and 6 clusters, with the peak mean pairwise ARI between subsequent training iterations to range from 0.35 to 0.74.

研究动机与目标

• 为解决在临床决策支持中解释高维、复杂的ED EHR数据的挑战。
• 开发一种可视化且可解释的方法，以识别减少对弱诊断标签依赖的数据驱动患者表型。
• 通过将患者投影到低维、稳定的可视化空间，实现实时分诊和回顾性队列发现。
• 利用调整兰德指数（ARI）和患者层面属性评估所发现聚类的稳健性与临床相关性。
• 证明非线性降维（UMAP）在捕捉ED患者数据的局部与全局结构方面优于线性方法。

提出的方法

• 作者应用统一流形近似与投影（UMAP）将高维EHR数据降维至二维，同时保留数据的局部与全局结构。
• 使用高斯混合模型（GMMs）在UMAP嵌入空间中识别聚类，实现患者向表型亚群的概率分配。
• 通过计算连续训练迭代中聚类结果之间的调整兰德指数（ARI），评估所识别聚类的稳定性。
• 该流程分别应用于包含560,486次就诊记录的真实ED EHR数据集中五种主诉（腹痛、胸痛、呼吸困难、背痛、跌倒）。
• 通过将新患者投影到预训练的UMAP空间，无需重新训练整个模型，即可支持新患者的推理。
• 通过分析各组内的人口统计学和分诊变量，评估聚类的临床相关性。

实验结果

研究问题

• RQ1 使用UMAP进行非线性降维是否能有效揭示复杂ED EHR数据中可解释且稳定的患者表型？
• RQ2 在不同主诉之间，所识别的聚类在稳定性和临床相关性方面表现如何？
• RQ3 该可视化流程是否能够在急诊科环境中支持实时患者分诊和回顾性队列发现？
• RQ4 聚类特征在多大程度上反映了已知的临床变量（如共病和分诊严重度）？
• RQ5 与线性方法或非参数方法（如t-SNE）相比，使用UMAP是否能提升聚类稳定性和全局结构保留？

主要发现

• 该方法在五种主诉中成功识别出2至6个不同的患者聚类，聚类稳定性通过ARI衡量，范围为0.35至0.74。
• 跌倒病例的聚类稳定性最高（ARI峰值=0.741），而腹痛病例最低（ARI峰值=0.353），表明后者存在更高的潜在临床异质性。
• 聚类具有临床意义，能按人口统计学特征、分诊评分和共病情况进行分组，例如在跌倒相关表现中识别出不良结局风险较高的患者。
• UMAP-GMM流程可将新患者投影到现有可视化中，支持无需重新训练的实时临床评估。
• 该方法揭示，若不按主诉分层，具有相似病理（如心肌梗死表现为胸痛或晕厥）的患者并未被一致分组，凸显了多主诉建模的必要性。
• 在跌倒相关病例中，高风险聚类更可能被收治入院，表明该方法具有风险分层和干预目标定位的潜力。