Unsupervised Imputation von nicht ignoranter, fehlender Daten mit Hilfe von gewichteten Autoencodern

Methoden des Deep Learning (DL) haben in den letzten Jahren dramatisch an Popularität gewonnen. Während der anfängliche Erfolg in der Klassifizierung und Manipulation von Bilddaten demonstriert wurde, gab es ein signifikantes Wachstum bei der Anwendung von DL-Methoden auf Probleme in den biomedizinischen Wissenschaften. Allerdings stellen die höhere Prävalenz und Komplexität fehlender Daten in biomedizinischen Datensätzen erhebliche Herausforderungen für DL-Methoden dar. Hier bieten wir eine formale Betrachtung fehlender Daten im Kontext von Variational Autoencoders (VAEs), einer beliebten unüberwachten DL-Architektur, die häufig für Dimensionsreduktion, Imputation und das Lernen latenter Darstellungen komplexer Daten verwendet wird. Wir schlagen eine neue VAE-Architektur, NIMIWAE, vor, die eine der ersten ist, die flexibel sowohl ignoranter als auch nicht-ignoranter Muster der Fehlendenheit in den Eingangsmerkmalen zur Trainingszeit Rechnung trägt. Nach dem Training können Proben aus der approximativen posterioren Verteilung der fehlenden Daten gezogen werden, die für multiple Imputationen verwendet werden können, um nachgelagerte Analysen auf hochdimensionalen unvollständigen Datensätzen zu erleichtern. Wir demonstrieren durch statistische Simulation, dass unsere Methode bestehenden Ansätzen für unüberwachtes Lernen und Imputationsgenauigkeit überlegen ist. Wir schließen mit einer Fallstudie eines EHR-Datensatzes, der 12.000 ICU-Patienten betrifft und eine Vielzahl von diagnostischen Messungen und klinischen Ergebnissen enthält, bei denen viele Merkmale nur teilweise beobachtet werden.