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。
