基于患者相似性分析的药物推荐深度学习模型研究

摘要：

[目的]研究一种通过解析结构化时序医疗健康数据、分析患者相似性以准确预测药物组合的深度学习模型.[方法]通过两种注意力机制解析结构化时序数据以学习全面的患者表示,通过计算患者相似性丰富患者表示,最终将药物推荐问题转化为多标签学习问题.[结果]在MIMIC-Ⅲ数据集上进行实验,相较于现有最优药物推荐模型,所提模型的DDI率降低了 1.09个百分点,同时所提模型的Jaccard相似性、PRAUC和F1值分别提升了 2.38、1.40和1.08个百分点.[局限]模型尚未融入生物医学等具有领域特色的先验知识;未深究数据本身存在的噪声及其在临床应用可能出现的问题.[结论]所提模型能够准确学习全面的患者表示,并提升药物推荐任务的安全性和准确性.

关键词：药物推荐、电子健康记录、患者表示学习、深度学习

所属期刊栏目：7

分类号：TP391;G35(计算技术、计算机技术)

在线出版日期：2023-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：148-160