从 ICD9 码预测 RxNorm 码的卷积网络有意义吗？

Posted 2023-03-12

【中文标题】从 ICD9 码预测 RxNorm 码的卷积网络有意义吗？

【英文标题】：Do convolutional networks to predict RxNorm codes from ICD9 codes make sense?

【发布时间】：2017-12-23 15:46:40

【问题描述】：

公司要求我专门使用卷积神经网络来预测根据给出的诊断（ICD9 代码）开出的药物类型（RxNorm 代码）。我会得到一百万个医生开的处方。每个处方都独立于下一个。

所以一个例子是：110, 670, 890, BB2344 前 3 项是 ICD9 码，最后一项是输出，即 RxNorm 码。其中有一百万个。

老实说，这项任务对我来说似乎很荒谬。我对如何构建输入没有任何想法。

诊断没有固有的顺序，也没有时间戳。

一种诊断可能使另一种诊断更有可能；但是有很多例子表明它们是独立的。

ICD9 编码系统具有分层结构，因此 110 和 120 的代码（两种感染）都比 110 和 890 的代码更密切相关。（感染和伤口）。

基本上，我的输入“图像”应该是什么样子？或者 CNN 对这个问题根本没有意义？

谢谢！

【参考方案1】：

CNN 需要输入中的空间（或时间）相关性。这里没有这样的东西，所以简短的回答是不，没有意义。一般来说，考虑到数据是多么简单，我实际上希望一些基本的线性模型（在一个热编码数据上）/甚至基本的规则归纳能够很好地工作。

“类 cnn”结构的唯一可能用途是通过图 CNN 来利用图的性质。由于输入中的层次结构可以被认为是“空间”相关性。

【讨论】：

谢谢，我就是这么想的。我只是不确定，因为 ICD9 代码是分层的，所以有一些固有的结构，但这个事实似乎不适用于 CNN。

你可以考虑 Graph CNNs，它基于与“常规”CNNs 类似的想法，并且可以处理图形表示的数据（并且层次结构是一棵树）。