ディープラーニングモデルは、爆発的に増加する電子健康記録（EHR）に伴う予測タスクにおいて優れた性能を発揮してきた。しかし、透明性がないため、ディープラーニングモデルの振る舞いは解釈が難しい。信頼性がなければ、深層学習モデルは医療問題の実社会での意思決定プロセスを支援することができない。
本研究では、データノイズによって誘発される不確実性を予測するために、ベイジアンニューラルネットワーク(BNN)に基づく深層学習モデルを提案する。不確実性を導入することで、モデル予測にさらなる信頼度を与える。我々の実験では、不確実性の高いインスタンスがモデルの性能に有害であることを検証した。
さらに、モデル予測と不確かさの分布を調べることで、データノイズを減少させることがこれらの患者の予測精度により多くの利益をもたらすような、タイムリーな介入が必要な患者のグループを特定することが可能であることを示す。
