基于医疗意图对比学习的序贯处方推荐

将序列建模应用于电子健康档案的最新进展极大地影响了处方推荐系统。虽然最近的药物推荐文献已显示出有前景的性能，但在连续就诊层面于医疗编码级别上发现共存的多种时序关系的研究仍较少探索。本研究的目标可从两个角度来理解。首先，需要开发一种复杂的序列模型，能够解耦跨连续就诊的复杂关系。其次，对于同一患者建立多个且多样化的健康档案至关重要，以确保在药物推荐中全面考虑不同的医疗意图。为实现这一目标，我们提出了基于注意力机制的医疗意图对比推荐（ARCI），这是一种多层Transformer方法，旨在捕获共享就诊序列中不同但共存的时序路径。具体而言，我们提出了一种新颖的意图感知方法，结合对比学习，将患者的专门医疗意图与Transformer头关联起来，以提取与不同健康档案相关的不同时序路径。我们在两个真实世界数据集上针对处方推荐任务进行了实验，使用了排序和分类两种评估指标。我们的结果表明ARCI优于最先进的处方推荐方法，并能够为医疗从业者提供可解释的洞察。