基于知识图谱与闭式连续时间液体神经网络的患者照护数字孪生

数字孪生技术有望变革医疗，实现个性化医疗与支持、更早诊断、治疗结果模拟和手术方案优化。数字孪生在制造、供应链物流和民用基础设施等行业正迅速获得关注。然而在患者照护中尚未如此。用多模态患者数据建模复杂疾病及其分析的计算复杂性，阻碍了数字孪生在生物医学领域的采用。但这些主要障碍或可通过不同建模思路应对。本文提出新框架，解决由计算成本和建模复杂性带来的临床孪生建模障碍。我们建议将患者健康数据结构化为知识图谱，并使用闭式连续时间液体神经网络进行实时分析。通过综合多模态患者数据并利用闭式连续时间网络与知识图谱本体的灵活高效，我们的方法实现实时洞察、个性化医疗、早诊早干预和最优手术规划。这种新方法提供全面且可适应的患者健康视图及实时分析，为医疗中的数字孪生仿真及其他预期益处铺平道路。