There are many ways machine learning and big data analytics are used in the fight against the COVID-19 pandemic, including predictions, risk management, diagnostics, and prevention. This study focuses on predicting COVID-19 patient shielding -- identifying and protecting patients who are clinically extremely vulnerable from coronavirus. This study focuses on techniques used for the multi-label classification of medical text. Using the information published by the United Kingdom NHS and the World Health Organisation, we present a novel approach to predicting COVID-19 patient shielding as a multi-label classification problem. We use publicly available, de-identified ICU medical text data for our experiments. The labels are derived from the published COVID-19 patient shielding data. We present an extensive comparison across 12 multi-label classifiers from the simple binary relevance to neural networks and the most recent transformers. To the best of our knowledge this is the first comprehensive study, where such a range of multi-label classifiers for medical text are considered. We highlight the benefits of various approaches, and argue that, for the task at hand, both predictive accuracy and processing time are essential.


翻译:在抗击COVID-19大流行的斗争中,有许多方法可以使用机器学习和大数据分析方法,包括预测、风险管理、诊断和预防。本研究的重点是预测COVID-19病人屏蔽 -- -- 识别和保护临床上极易受冠状病毒影响的病人。本研究的重点是医疗文本多标签分类所使用的技术。我们利用联合王国国民保健体系和世界卫生组织公布的信息,提出了一个预测COVID-19病人屏蔽作为一个多标签分类问题的新办法。我们用公开可得的、不确定的ICU医学文本数据进行实验。标签取自公布的COVID-19病人屏蔽数据。我们从与神经网络和最新变异器的简单二元关系中,对12个多标签分类器进行了广泛的比较。我们最了解的是,这是第一次综合研究,其中考虑了医学文本的多标签分类器。我们强调各种办法的好处,并争论说,对于目前的任务来说,预测准确性和处理时间都是必要的。

0
下载
关闭预览

相关内容

专知会员服务
15+阅读 · 2021年8月13日
专知会员服务
38+阅读 · 2021年6月13日
COVID-19文献知识图谱构建,UIUC-哥伦比亚大学
专知会员服务
41+阅读 · 2020年7月2日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
【ACL2020放榜!】事件抽取、关系抽取、NER、Few-Shot 相关论文整理
深度学习自然语言处理
18+阅读 · 2020年5月22日
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
人脸相关算法、数据集、文献资源大列表
专知
16+阅读 · 2019年3月16日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
计算机视觉的不同任务
专知
5+阅读 · 2018年8月27日
Arxiv
0+阅读 · 2021年11月24日
A Comprehensive Survey on Transfer Learning
Arxiv
121+阅读 · 2019年11月7日
A Comprehensive Survey on Graph Neural Networks
Arxiv
13+阅读 · 2019年3月10日
VIP会员
Top
微信扫码咨询专知VIP会员