DKINet：基于领域知识增强深度学习的用药推荐
人工智能
2024-05-09 v4 信息检索
机器学习
摘要
用药推荐是医疗健康中基础而关键的分支，为医生针对复杂健康状况患者开具更准确处方提供了辅助机遇。既往研究主要聚焦于从电子健康记录(EHR)中学习患者表示。尽管考虑患者临床表现十分重要，融入领域特定先验知识在诊断患者健康状况时同样关键。然而，有效整合领域知识与企业临床表现颇具挑战，尤其在处理复杂临床表现时。因此，本文首先确立全面的领域特定先验知识，即统一医学语言系统(Unified Medical Language System, UMLS)——一个综合的生物医学词汇与标准库，用于知识抽取。随后，我们提出知识注入模块，解决领域知识与复杂临床表现的有效融合，从而实现患者健康状况的有效刻画。此外，考虑到患者用药史对当前用药的显著影响，我们引入历史用药感知患者表示模块以捕捉历史用药信息对当前患者表示的纵向影响。在三个公开基准数据集上的大量实验验证了所提方法的优越性，其以显著优势超越其他方法。代码见：https://github.com/sherry6247/DKINet。
引用
@article{arxiv.2305.19604,
title = {DKINet: Medication Recommendation via Domain Knowledge Informed Deep Learning},
author = {Sicen Liu and Xiaolong Wang and Xianbing Zhao and Hao Chen},
journal= {arXiv preprint arXiv:2305.19604},
year = {2024}
}
备注
11 pages, 4 figures