基于非结构化临床笔记计算患者相似性
机器学习
2026-01-13 v1
摘要
临床笔记包含关于诊断、治疗和结局的丰富且非结构化信息，对精密医学至关重要，但难以大规模利用。我们引入一种方法，将每个患者表示为由其所有笔记的聚合嵌入构建的矩阵，使其能够基于其潜在低秩表示计算患者相似性。我们使用来自马斯里克记忆癌症医院的 4,267 名捷克女性乳腺癌患者临床笔记，以及来自该医院的专家相似性标签，我们评估了各种基于矩阵的相似性度量，并分析了它们在不同相似性方面（如临床史、治疗和不良事件）的优势和局限性。结果表明，所提出的方法对下游任务（如个性化治疗建议或毒性警告）具有实用性。
引用
@article{arxiv.2601.07385,
title = {Computing patient similarity based on unstructured clinical notes},
author = {Petr Zelina and Marko Řeháček and Jana Halámková and Lucia Bohovicová and Martin Rusinko and Vít Nováček},
journal= {arXiv preprint arXiv:2601.07385},
year = {2026}
}
备注
This is a preprint and has not undergone peer review. Final version was presented at the Text, Speech, and Dialogue 2025 conference. The Version of Record is available at https://doi.org/10.1007/978-3-032-02551-7_13