做卷積網絡來預測來自ICD9代碼的RxNorm代碼是否有意義？

Question

我被公司要求專門使用卷積神經網絡來預測基於給出的診斷（ICD9代碼）規定的藥物類型（RxNorm代碼）。我會得到醫生寫的一百萬張處方。每個處方獨立於下一個。

所以一個例子是：110, 670, 890, BB2344 前3個項目是ICD9代碼，最後一個是輸出，RxNorm代碼。有一百萬這些。

老實說這項工作對我來說似乎是無稽之談。我不知道如何構建輸入。

診斷沒有固有的順序，也沒有時間戳。

一種診斷可能使另一種診斷更可能;但有很多例子他們都是獨立的。 （感染和傷口）ICD9編碼系統具有分層結構，使得110和120（兩種感染）的代碼都比說代碼110和890（感染和傷口）更密切相關。

基本上，我的輸入「圖像」應該是什麼樣子？或者CNN對這個問題根本沒有意義？

謝謝！

Answer 1

CNN需要輸入中的空間（或時間）相關性。這裏沒有這種東西，所以簡短的回答是不，這沒有意義。一般來說，考慮到數據的簡單性，我實際上會期望一些基本的線性模型（在一個熱點編碼數據上）/甚至基本規則導入能夠很好地工作。

「cnn-like」結構的唯一可能的用途是通過圖形CNN來利用圖本性。由於輸入中的分層結構可以被認爲是「空間」相關性。