使用时间图形表示对电子健康记录进行预测建模
原文中文,约400字,阅读约需1分钟。发表于: 。利用深度学习的预测模型,基于电子病历(EHR),在医疗保健领域备受关注。我们提出了一种新颖的时间异构图模型,将病人的 EHR 建模成历史访问节点和医疗事件节点,并利用时间感知访问节点来捕捉患者健康状况的变化,同时通过将时间边特征、全局位置编码和局部结构编码整合到异构图卷积中,捕捉了时间和结构信息。通过对三个真实数据集进行广泛实验,我们证实了 TRANS 的有效性,结果表明我们提出的方法达到了最先进的性能。
通过利用电子健康记录数据在医学领域的广泛应用,使用深度学习方法在疾病风险预测方面取得了早期成功。本研究引入了一种新型的异构图学习模型,融合疾病领域知识,提高了预测准确性和可解释性,为医疗管理带来了实质性进展。