郭 汉 帅仁俊 马 力 李文煜

(南京工业大学计算机科学与技术学院 江苏 南京 211816)

0 引 言

对重症监护室(Intensive Care Unit，ICU)患者进行死亡率预测有助于医疗方案的制定、资源的配置以及诊断效果的鉴定[1]。ICU数据集样本数量及复杂程度近年来不断增长，并且相比普通的电子病历维度更高、更密集，给机器学习方法提供了有利的条件[2]。医院对ICU患者在人员、设备及技术上都予以最佳保障，医疗费用也比较昂贵[2-3]。心力衰竭是各种心血管疾病的终末阶段，侵袭身体重要肝脏器官，导致其丧失正常功能，是死亡的主要原因之一。心衰患者一般病情危急、病情多变，仅通过有丰富经验医生的主观经验及医学手段来做出重大决策进行诊疗已经显露出一些局限性。尽管付出了巨大的努力，但每天仍然有很多生命逝去，因此迫切需要将大量重症监护数据库利用起来，通过建立数据与疾病之间的联系，来辅助医生决策，对ICU心力衰竭患者死亡的死亡率做出更快、更准确的预测。对于死亡率较高的患者，制定针对性强的诊治手段以避免错失最佳治疗时机；对于死亡率较低的患者，避免过度用药，也更有益于患者和卫生保健资源的合理分配。

对机器学习的预测模型来说，特征的选择十分关键，需要找到最有利于模型预测的特征组合，同时剔除无价值或冗余特征。现有的研究主要是手工构建特征工程。随着计算机性能的快速提升以及数据的急剧增长，机器学习中的深度学习影响越发广泛，其可以有效地提取特征，已经涉及各种领域。……