0-1 神经网络在处方和预测中的应用
原文中文,约400字,阅读约需1分钟。发表于: 。医学决策制定中的一个关键挑战是学习对具有有限观察数据的患者进行治疗政策。本研究引入了预测网络(PNNs),使用混合整数规划进行训练的浅层 0-1 神经网络,可与反事实估计一起在中等数据环境中优化政策。通过合成数据实验和产后高血压治疗案例研究,证明 PNNs 可以在性能上超越现有方法,并能够输出具有临床意义的治疗政策。
研究人员提出了一种新的方法,通过逐步原型网络(PPN)从电子健康记录(EHR)中预测健康风险。该方法利用典型患者的信息来增强给定患者的表示,并引入了一种新的集成方法。实验证明该模型在所有指标上有所改进。研究人员还开发了一个应用来帮助医生更好地理解结果。