邓侃解读:医疗关键数据时间序列敏感度分析的通用方法


新智元专栏

作者:邓侃

【新智元导读】密歇根州立大学、康奈尔大学腾讯研究院的几位学者,联名发表了一篇题为 “Identify Susceptible Locations in Medical Records”的论文。这篇文章讲述了如何在病历中找到敏感数据位置,以及如何利用这些关键数据对重症监护中的病人进行保护。新智元专栏作者邓侃博士带来详细解读。

2018年2月13日,来自密歇根州立大学、康奈尔大学腾讯研究院的几位学者,联名在 Arxiv 上发表了一篇题为 “Identify Susceptible Locations in Medical Records” [1]的论文。 这篇文章讲述了如何在病历中找到敏感数据位置,以及如何利用这些关键数据对重症监护中的病人进行保护。

平时大家对自己的医疗数据或许并不怎么关心,面对一大串的字符数字,身为外行基本也看不出个所以然来,更不要说如何用这些数据来救人和自救了。

但这些数据对于医生们而言就十分宝贵了。根据病患的诊疗数据医生们可以对病患的病情走向做出判断,进而给出相应的治疗手段。只不过这些平铺直叙的数据,即使是医生看起来也难免会有一些遗漏,又或者被一些可疑信息干扰。

文章中提到的方法就是要从这些流水账似的数据中找到可疑的“red flag”甚至是潜在的测量误差,去提示医生关注可能遗漏或错误判断的关键信息。

找到这些敏感信息意味着什么?

打个比方,对于病人来说,看医生最在乎的除了身体是否康复外,大概就是花了多少钱了。为了少花钱或是从中赚钱,一些不法分子甚至会进行医保诈骗。

医保诈骗通常把无病说成有病,把小病说成大病。

要做到这一结果其实并不容易。诈骗犯们如果只是篡改诊断结果中的疾病,那必须是行不通的。因为报销审核的时候,一定会核查现病史、化验结果、检查报告等以核对病情描述与诊断结果是否一致。

不妨把住院病历的内容,看成一个时间序列。从入院到出院这一期间每一天的病情描述都是一个矢量,包含各种症状、体征、化验指标、检查标志物,以及诊断、药品、手术、护理等等。

这些数据信息都是连贯的,仅修改结果就像一个错误的数学公式,很容易被发现。

而医保欺诈的目标,是既要尽可能少地改动病历,还得使之支持编纂出来的出院诊断。也就是说,最理想的情况是只改动病历时间序列中某一天某一项病情描述指标,就能使之得到期盼的诊断结果。

反过来说,实际测量时可能存在的小偏差,或者数据中不起眼的一个数值变化就像是这个诈骗犯,小小的变动可能就导致了整个实际预测结果的改变。

要如何才能发现哪个病情指标对诊断结果最重要呢?文章基于这一疑问,便提出了一个“通用的方法”去对时间序列数据中各个时刻各个数值的敏感度做出分析。

如何实现搜寻

1. 首先,我们需要一个诊断模型,输入是病情描述的时间序列,输出结果是罹患各种疾病的概率。

诊断模型的实现方案有很多。最简单的是用 LSTM 模型。

当然也可以用它办法,譬如可以先用 LSTM,把不定长的病情描述的时间序列,转换成定长的张量,然后用 CNN 对定长的张量做分类。

甚至也可以摈弃 LSTM,譬如 Attention,直接在时间序列中捕捉重要的数据,然后根据这些重要数据做分类。

2. 搞定诊断模型以后,接下去对时间序列中每一天的每一项数据,做敏感性分析。

做敏感性分析的办法也很多,最粗暴的办法是穷举。保持时间序列中的其它数据项不变,只改变一项数据,然后把篡改过了的时间序列,输入进诊断模型。然后比较诊断模型的诊断结果,与病历中记录的真实的诊断结果。模型的结果,与真实结果,两者相差越大,说明这一项数据,对诊断结果影响越大。

穷举的办法效率较差,论文提议,用前沿的对抗攻击(Adversarial attack)技术,来快速找到敏感的数据项。

对抗攻击技术的原理,不难懂。由于诊断模型是神经网络,神经网络的各个参数,是通过梯度下降算法确定的。下降梯度越陡,相关的参数对模型的输出影响越大。

3. 为了让敏感性分析的结果,看起来更直观,做一个热力图。

横轴是各项病情指标,纵轴是时间轴,从入院到出院。二维空间中的每一个点,对应着某一天某一项指标,对诊断结果的影响力,用颜色表示影响力。

方法的拓展应用

仔细想想时间序列敏感度分析的三步曲,会发现其实这个方法并不局限于对病历记录的敏感性分析,而就像之前说的,是一个实现对事件序列攻击的通用办法。

站在医保审核的立场,只有懂得了不法分子篡改病例的原理,才能更有针对性地研究如何甄别病历记录中,哪些时间的哪些数据,被人为篡改了。从而更为有效的保障病人以及医疗工作者的权益。

参考文献

1. Identify Susceptible Locations in Medical Records via Adversarial Attacks on Deep Predictive Models.https://arxiv.org/pdf/1802.04822.pdf


原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2018-03-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CDA数据分析师

吴甘沙:数据分析师进化的3道阶梯

9月11日—9月12日,由经管之家(原人大经济论坛)主办的“2015中国数据分析师行业峰会(CDA?Summit)”在北京举行。 英特尔中国研究院院长兼首席工程...

1757
来自专栏大数据文摘

【知乎精选】如何准确又通俗易懂地解释大数据及其应用价值?

2724
来自专栏王相军的专栏

泛谈大数据 + AI 在征信行业的应用

AI被炒的很热,作为道行很浅的小菜鸟,对AI的了解也是知之甚少。不过,最近看了很多关于如何将AI应用到征信行业的东西,现结合自己的理解,总结概括一下,不妥当的地...

2331
来自专栏CDA数据分析师

【从零开始学统计】1.走出平均数理解上的误区

image.png 首先先引入一段小新闻,从中涉及到的一些知识点楼主会标出: 仅有“人均”是不够的   日前,发改委发展规划司司长徐林表示,我国人均GDP已达...

1789
来自专栏大数据文摘

智能房屋+大数据,将改变房地产经济学

1927
来自专栏PPV课数据科学社区

☞【案例】盈虚有数《我们可能比你更了解你自己》@EMC杯智慧校园开放数据大赛(最佳数据综合大奖)

转自:公众号Kesci数据实践,如需转载请申请授权 号外号外号外 EMC杯智慧校园开放数据大赛的终极作品,来自盈虚有数团队的《我们可能比你更了解你自己》,终于...

3105
来自专栏AI科技评论

业界 | 心力衰竭患者的福音,IBM 利用 AI 技术帮助病人提前确诊

近几十年,心脏病是导致美国人死亡的主要因素,所以患有心脏衰竭 (Heart Failure) 的美国人越来越多一点也不奇怪。预计到2030年,确诊患有心脏衰竭的...

2616
来自专栏PPV课数据科学社区

【观点】数据挖掘三要素解析

我对数据挖掘和机器学习是新手,从去年7月份在Amazon才开始接触,而且还是因为工作需要被动接触的,以前都没有接触过,做的是需求预测机器学习相关...

2575
来自专栏专知

【业界】新的图像传感器给汽车装上眼睛

【导读】自动驾驶在技术上的进步很大程度上依赖各种传感设备,而各种图像传感器更是汽车能够看清周围世界的眼睛,这一领域也逐渐成为各大芯片公司竞争的焦点,我们来一览这...

2323
来自专栏大数据文摘

什么时候应该听取机器决定?

1335

扫描关注云+社区