グラフニューラルネットワークを用いた電子カルテデータにおける欠損検査値の予測

抄録

治験適合患者抽出において患者の未実施の検査値（欠損検査値）の予測が出来れば、より多くの患者を抽出できる可能性があるため、欠損検査値の予測は重要である。しかし患者は全ての検査を実施するわけではなく、入力変数として使用する検査値も欠損している場合があり、何らかの補完をする必要がある。グラフニューラルネットワークの一つであるEP(Embedding Propagation)は、近傍ノードから情報を集約し埋め込みを学習することで効果的に欠損を補完できる。本研究では、欠損検査値を患者の他の検査値や診断などの情報から予測することを目的として、EPと電子カルテデータセットであるMIMIC-IVを使用して実験を行った。実験では入力変数に欠損を段階的に加えてEPとMLPの性能を比較した。実験の結果、入力変数の欠損が50%のときMSEがEP: 2.65, MLP: 3.15となり、入力変数の欠損が多い場合ではEPが有効であることが示された。