DT-BEHRT：病気軌跡を意識したトランスフォーマーによる解釈可能な患者表現学習

要旨: 電子カルテ（EHR）システムの普及は、臨床意思決定を導く予測モデルの構築に前例のない機会を提供しています。構造化されたEHRには、病院の受診を跨ぐ患者の縦断的な観察が含まれ、各訪問は一連の医療コードで表されます。時系列ベース・グラフベース・グラフ強化シーケンスのアプローチは、時間を通じてまたは同一訪問内の豊富なコード相互作用を捉えるように開発されていますが、これらはしばしば、異なる臨床特性や文脈から生じる医療コードの本質的に異質な役割を見落とすことがあります。そこで本研究では、病気の軌跡を意識したEHR用トランスフォーマー（DT-BEHRT）を提案します。これは、グラフ強化された逐次アーキテクチャで、臓器系内の診断中心の相互作用を明示的にモデル化し、非同期的な進行パターンを捉えることで病気の軌跡を分離します。表現の頑健性をさらに高めるため、軌跡レベルのコードマスキングとオントロジー情報に基づく祖先予測を組み合わせた、複数のモデリングモジュール間の意味的整合性を促進する特別な事前学習手法を設計しました。複数のベンチマークデータセットにおける広範な実験により、DT-BEHRTは高い予測性能を達成し、臨床医の疾病中心の推論と一致する解釈可能な患者表現を提供することが示されています。ソースコードは https://github.com/GatorAIM/DT-BEHRT.git で公開されています。