Causal discovery is the problem of learning causal relationships between variables from a set of data. One interesting area of use for causal discovery is the health care domain, where application could help facilitate a better understanding of disease and treatment mechanisms. The health care domain has recently undergone a major digitization, making available a large amount of data for use in learning algorithms, available in formats such as medical images or electronic health records. This thesis aims to explore the application of causal discovery on electronic health record data. We provide an overview of the field of causal discovery and identify 3 contemporary methods for causal discovery on time-series data which we apply on a preprocessed version of the MIMIC-IV data set. Each causal discovery method is run on time-series comprising of electronic health record data related to hospital stays for patients with sepsis. We provide an empiric report of the overlap between the learned graphs from different hospital stays as a heuristic evaluation measure. We find that it is possible to identify common themes in the learned graphs between different causal discovery methods, indicating potential practical value of causal discovery on electronic health record data. We also identify important considerations for future application and evaluation, such as incorporating extensive domain knowledge, and provide suggestions for future work. / Kausal upptäckt är problemet med att lära sig orsakssamband mellan variabler från en uppsättning data. Ett intressant användningsområde för kausal upptäckt är hälso- och sjukvårdsdomänen, där tillämpning kan bidra till en bättre förståelse av sjukdomar och behandlingsmekanismer. Sjukvårdsdomänen har nyligen genomgått en stor digitalisering vilket gör en stor mängd data tillgänglig för användning i inlärningsalgoritmer, tillgänglig i format som medicinska bilder eller elektroniska patientjournaler. Denna avhandling syftar till att utforska tillämpningen av kausal upptäckt på elektroniska patientjournaler. Vi ger en översikt över området för kausal upptäckt och identifierar 3 samtida metoder för kausal upptäckt på tidsseriedata som vi tillämpar på en förbearbetad version av MIMIC-IV-datauppsättningen. Varje identifierad metod för kausal upptäckt körs på tidsserier som består av elektroniska patientjournaler relaterade till sjukhusvistelser för patienter med sepsis. Vi tillhandahåller en empirisk rapport över överlappningen mellan de inlärda graferna från olika sjukhusvistelser som ett heuristiskt utvärderingsmått. Vi finner att det är möjligt att identifiera gemensamma teman i de inlärda graferna mellan olika kausala upptäcktsmetoder, vilket indikerar potentiellt praktiskt värde av kausal upptäckt på elektroniska patientjournaler. Vi identifierar också viktiga överväganden för framtida tillämpning och utvärdering, såsom att integrera omfattande domänkunskap, och ger förslag för framtida arbete.

Machine learning has the potential of significantly improving daily operations in health care institutions but many persistent barriers are to be faced in order to ensure its wider acceptance. Among such obstacles are the accuracy and reliability. For a decision support system to be entrusted by the medical staff in clinical situations, it must perform with an accuracy comparable to or surpassing that of human medics, as well ashaving a universal applicability and not being subject to any bias. In this paper the MIMIC-IV Clinical Database will be utilized in order to: (1) Predict patient mortality and its associated risk factors in intensive care units (ICU) and: (2) Assess the reliability of utilizing the database as a basis for a clinical decision system. The cohort consisted of 523,740 hospitalizations, matched with each respective admitting diagnoses in ICD-9 format. The diagnoses were then converted from code to text-format, with the most frequently occurring factors (words) observed in deceased and surviving patients being analyzed with an Natural language Processing (NLP) algorithm. The results concluded that many of the observed risk factors were self-evident while others required further explanation, and that the performance was highly by selection of hyperparameters. Finally, the MIMIC-IV database can serve as a stable foundation for a clinical decision system but its reliability and universality shall also be taken into consideration. / Maskininlärninstekniker har en stor potential att gynna sjukvården men står inför ett flertal hinder för att fullständigt kunna tillämpas. Framförallt bör modellernas tolkningsbarhet och reproducerbarhet beaktas. För att att ett kliniskt beslutstodssystem skall vara fullständigt anförtrott av sjukvårdspersonal måste det kunna prestera med en jämförbar eller högre träffsäkerhet än sjukvårdspersonal, samt kunna tillämpas i åtskilliga sammanhang utan någon subjektivitet. Syftet med denna studie är att: (1) Förutspå patientdödsfall i intensivvårdsavdelningar och utreda dess riskfaktorer genom journalförd information från databasen MIMIC-IV och: 2) Bedöma databasens tillförlitlighet som underlag för ett kliniskt beslutstödssystem. Kohorten bestod av 523,740 insjuknanden som matchades med de diagnoser som ställdes vid deras sjukhusintag. Eftersom diagnoserna inskrevs i ICD-9-format omvandlades dessa till ord och de mest förekommande faktorerna (orden) för avlidna och överlevande patienter analyserades med en NLP-model (Natural Language Processing). Resultaten konkluderade att många av de förutspådda riskfaktorerna var uppenbara medan andra krävde ytterligare klargöranden. Dessutom kunde val av hyperparametrar stort påverka modellens kvalitet. MIMIC-IV-databasen kan utgöra ett gediget underlag för ett kliniskt beslutsystem men dess tillförlitlighet och relevans bör även tas i beaktande. / Kandidatexjobb i elektroteknik 2022, KTH, Stockholm