基于多任务图表示从稀缺健康记录中进行耐药性分析

临床医生凭借经验审视患者健康记录来开具抗生素处方。然而，若患者具有耐药性，治疗可能徒劳无功。确定耐药性需要耗时的实验室级检测，而由于构成健康记录的类别型或二值型医疗事件，以自动化方式应用临床启发式规则十分困难。本文中，我们提出一种用于快速临床干预的新框架，将健康记录视为图，其节点由医疗事件映射而来，边为给定时间窗内事件间的对应关系。随后提出一种新颖的基于图的模型，从这些高维且稀缺的图中提取信息性特征并给出自动化耐药性分析。所提方法将多任务学习整合进一个公共特征提取图编码器，以同时对多种药物进行分析并稳定学习。在一个包含超过110,000名尿路感染患者的海量数据集上，我们验证了所提方法在耐药性预测问题上能够获得优越性能。此外，基于模型耐药性分析还可给出类似于实验室级检测的自动化药物推荐。