Neue Methode entdeckt: Zeitreihen aus physiologischen Zuständen zusammensetzen

Eine neue Studie auf arXiv zeigt, dass klinische Zeitreihen als Folgen latenter physiologischer Zustände verstanden werden können, die in systematischen Mustern aufeinander folgen. Durch die Analyse dieser „kompositorischen“ Struktur lassen sich die Grundbausteine der Daten rekonstruieren und die Regeln ihrer Zusammensetzung aufdecken.

Die Forscher haben ein datengetriebenes Verfahren entwickelt, das die einzelnen Zustände und deren Zusammensetzungsregeln aus den Rohdaten extrahiert. Damit wird die generative Abbildung der Zeitreihen nachgebildet, ohne dass Annahmen über die zugrunde liegenden Prozesse getroffen werden müssen.

Zur Bewertung der Methode wurden zwei empirische Tests aus der Domänenanpassung eingesetzt. Dabei wurden die erwarteten Risiken von Vorhersagemodellen, die auf Originaldaten trainiert wurden, mit denen verglichen, die auf synthetisch erzeugten Daten trainiert wurden. Die Tests prüfen, ob die Verteilung der synthetischen Zeitreihen die der Originaldaten widerspiegelt.

Die Ergebnisse sind vielversprechend: Modelle, die auf kompositorisch generierten Daten trainiert wurden, erzielen eine Leistung, die derjenigen von Modellen auf den echten klinischen Daten entspricht. Ebenso zeigen Tests auf synthetischen Daten vergleichbare Ergebnisse wie Tests auf den Originaldaten und übertreffen zufällige Baselines.

Diese Erkenntnisse eröffnen die Möglichkeit, synthetische Zeitreihen zu erzeugen, die das Problem knapper und ressourcenärmerer klinischer Datensätze mildern. Gleichzeitig liefert die Methode ein tieferes Verständnis der physiologischen Prozesse, die den Messreihen zugrunde liegen.