Прогнозирование госпитальной смертности в отделениях интенсивной терапии помогает врачам своевременно принимать решения о медицинском вмешательстве. Поскольку клинические данные сложны и разнообразны по своей структуре, требуются инновационные архитектуры для их эффективного моделирования. В данной работе авторы обучают модель гетерогенного графа (HGM) на данных электронных медицинских карт и используют полученные векторы представлений (эмбеддинги) для повышения точности прогнозов.
Работа посвящена прогнозированию смертности пациентов в отделениях интенсивной терапии на основе электронных медицинских карт. Ученые применили глубокое обучение с использованием гетерогенных графовых эмбеддингов для обработки сложных и разнородных клинических данных. Предложенная архитектура помогает врачам точнее оценивать риски и быстрее принимать решения о критически важных вмешательствах.