Published December 1, 2023
| Version v1
Publication
Open
Mortality prediction with adaptive feature importance recalibration for peritoneal dialysis patients
Creators
- 1. Peking University
- 2. Health Data Research UK
- 3. University of Edinburgh
- 4. Peking University Third Hospital
- 5. Peking University People's Hospital
- 6. University of Exeter
Description
The study aims to develop AICare, an interpretable mortality prediction model, using electronic medical records (EMR) from follow-up visits for end-stage renal disease (ESRD) patients. AICare includes a multichannel feature extraction module and an adaptive feature importance recalibration module. It integrates dynamic records and static features to perform personalized health context representation learning. The dataset encompasses 13,091 visits and demographic data of 656 peritoneal dialysis (PD) patients spanning 12 years. An additional public dataset of 4,789 visits from 1,363 hemodialysis (HD) patients is also considered. AICare outperforms traditional deep learning models in mortality prediction while retaining interpretability. It uncovers mortality-feature relationships and variations in feature importance and provides reference values. An AI-doctor interaction system is developed for visualizing patients' health trajectories and risk indicators.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تهدف الدراسة إلى تطوير AICare، وهو نموذج للتنبؤ بالوفيات قابل للتفسير، باستخدام السجلات الطبية الإلكترونية (EMR) من زيارات المتابعة لمرضى أمراض الكلى في المرحلة النهائية (ESRD). تتضمن AICare وحدة استخراج ميزة متعددة القنوات ووحدة إعادة معايرة أهمية الميزة التكيفية. وهو يدمج السجلات الديناميكية والميزات الثابتة لأداء التعلم الشخصي لتمثيل السياق الصحي. تشمل مجموعة البيانات 13,091 زيارة وبيانات ديموغرافية لـ 656 مريضًا بالغسيل البريتوني على مدى 12 عامًا. كما يتم النظر في مجموعة بيانات عامة إضافية من 4789 زيارة من 1363 مريضًا بالغسيل الكلوي. تتفوق AICare على نماذج التعلم العميق التقليدية في التنبؤ بالوفيات مع الحفاظ على قابلية التفسير. يكشف عن العلاقات بين الوفيات والسمات والاختلافات في أهمية السمات ويوفر قيمًا مرجعية. تم تطوير نظام تفاعل بين الذكاء الاصطناعي والطبيب لتصور المسارات الصحية للمرضى ومؤشرات المخاطر.Translated Description (French)
L'étude vise à développer AICare, un modèle interprétable de prédiction de la mortalité, en utilisant les dossiers médicaux électroniques (DME) des visites de suivi pour les patients atteints d'insuffisance rénale terminale (IRT). AICare comprend un module d'extraction de caractéristiques multicanal et un module de recalibrage adaptatif de l'importance des caractéristiques. Il intègre des enregistrements dynamiques et des fonctionnalités statiques pour effectuer un apprentissage personnalisé de la représentation du contexte de santé. L'ensemble de données comprend 13 091 visites et les données démographiques de 656 patients sous dialyse péritonéale (PD) sur une période de 12 ans. Un ensemble de données publiques supplémentaires de 4 789 visites de 1 363 patients sous hémodialyse (HD) est également envisagé. AICare surpasse les modèles traditionnels d'apprentissage profond dans la prédiction de la mortalité tout en conservant l'interprétabilité. Il révèle les relations entre la mortalité et les caractéristiques et les variations de l'importance des caractéristiques et fournit des valeurs de référence. Un système d'interaction IA-docteur est développé pour visualiser les trajectoires de santé et les indicateurs de risque des patients.Translated Description (Spanish)
El estudio tiene como objetivo desarrollar AICare, un modelo de predicción de mortalidad interpretable, utilizando registros médicos electrónicos (EMR) de visitas de seguimiento para pacientes con enfermedad renal en etapa terminal (ESRD). AICare incluye un módulo de extracción de características multicanal y un módulo de recalibración de importancia de características adaptativas. Integra registros dinámicos y características estáticas para realizar un aprendizaje personalizado de la representación del contexto de salud. El conjunto de datos abarca 13.091 visitas y datos demográficos de 656 pacientes de diálisis peritoneal (DP) que abarcan 12 años. También se considera un conjunto de datos público adicional de 4.789 visitas de 1.363 pacientes en hemodiálisis (HD). AICare supera a los modelos tradicionales de aprendizaje profundo en la predicción de la mortalidad, al tiempo que conserva la interpretabilidad. Descubre las relaciones mortalidad-característica y las variaciones en la importancia de la característica y proporciona valores de referencia. Se desarrolla un sistema de interacción IA-doctor para visualizar las trayectorias de salud de los pacientes y los indicadores de riesgo.Files
pdf.pdf
Files
(16.1 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:5e24bfb8f87536c9d905a85e3fe1abaa
|
16.1 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- التنبؤ بالوفيات مع إعادة معايرة أهمية الميزة التكيفية لمرضى غسيل الكلى البريتوني
- Translated title (French)
- Prédiction de la mortalité avec recalibrage adaptatif de l'importance des caractéristiques pour les patients dialysés péritonéaux
- Translated title (Spanish)
- Predicción de mortalidad con recalibración de importancia de característica adaptativa para pacientes en diálisis peritoneal
Identifiers
- Other
- https://openalex.org/W4389477770
- DOI
- 10.1016/j.patter.2023.100892
References
- https://openalex.org/W1972745246
- https://openalex.org/W1985528368
- https://openalex.org/W1999469701
- https://openalex.org/W2012386295
- https://openalex.org/W2022306925
- https://openalex.org/W2026152111
- https://openalex.org/W2033609349
- https://openalex.org/W2044792982
- https://openalex.org/W2047424589
- https://openalex.org/W2054183165
- https://openalex.org/W2080973611
- https://openalex.org/W2104810766
- https://openalex.org/W2111647400
- https://openalex.org/W2129285813
- https://openalex.org/W2141421993
- https://openalex.org/W2164836021
- https://openalex.org/W2305874782
- https://openalex.org/W2418930000
- https://openalex.org/W2495163292
- https://openalex.org/W2525360812
- https://openalex.org/W2547148354
- https://openalex.org/W2736767046
- https://openalex.org/W2891834362
- https://openalex.org/W2892592994
- https://openalex.org/W2900940968
- https://openalex.org/W2911840101
- https://openalex.org/W2914059076
- https://openalex.org/W2950799027
- https://openalex.org/W2964696298
- https://openalex.org/W2968847082
- https://openalex.org/W2990942319
- https://openalex.org/W2995401830
- https://openalex.org/W3005219125
- https://openalex.org/W3009144783
- https://openalex.org/W3009583110
- https://openalex.org/W3011812967
- https://openalex.org/W3022497564
- https://openalex.org/W3025394897
- https://openalex.org/W3034565398
- https://openalex.org/W3081607022
- https://openalex.org/W3097436443
- https://openalex.org/W3128201067
- https://openalex.org/W3154550454
- https://openalex.org/W3160235142
- https://openalex.org/W3170463835
- https://openalex.org/W3183781431
- https://openalex.org/W3184649967
- https://openalex.org/W3206627901
- https://openalex.org/W3209074506
- https://openalex.org/W4200317067
- https://openalex.org/W4294542292