临床表型数据和医学知识驱动的儿童脓毒症亚型识别

摘要：

目的:针对儿童脓毒症异质性严重、死亡率高但缺乏临床分型标准这一问题,通过构建脓毒症亚型识别的机器学习模型,为儿科医生诊治脓毒症提供临床决策支持.方法:根据医学知识构建信息提取模板,利用基于深度学习的词嵌入和患者向量化方法对临床表型数据进行向量化表示,然后通过深度自编码神经网络降维,进而通过无监督聚类算法识别不同亚型.结果:成功识别出了儿童脓毒症的4种亚型:肌酐升高、轻症、血氧不足且精神状态不佳、肝功能受损.不同亚型具有不同的临床特征和治疗结局,其中亚型3的死亡率最高.结论:基于自然语言处理、深度自编码器和无监督聚类的脓毒症亚型识别,能够发现具有不同临床特征的患者组群,从而对临床医生的决策提供辅助支持,有望降低儿童脓毒症死亡率.

关键词：儿童脓毒症、临床表型、自然语言处理、深度学习、聚类

所属期刊栏目：14

分类号：R197.32;TP391(保健组织与事业（卫生事业管理）)

资助基金：国家重点研发计划2018YFC1315402;国家自然科学基金71704031;广州市科技计划项目201707010018

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：66-69