动态超图增强的序贯医疗就诊预测
机器学习
2025-01-07 v3 人工智能
摘要
本研究介绍了一种创新的动态超图网络（DHCE）模型，旨在从电子健康记录中更准确地预测未来的医疗诊断。DHCE模型通过识别和区分患者就诊史中的急性和慢性疾病，构建捕捉疾病之间复杂高阶交互的动态超图，从而实现了创新。它通过有效整合临床事件数据（通过医学语言模型辅助编码反映）到稳健的患者表示中，超越了传统的循环神经网络和图神经网络。通过在两个基准数据集MIMIC-III和MIMIC-IV上的广泛实验，DHCE模型表现出优越的性能，在序贯诊断预测的精度上显著超过了已建立的基线模型。
关键词
引用
@article{arxiv.2408.07084,
title = {Dynamic Hypergraph-Enhanced Prediction of Sequential Medical Visits},
author = {Wangying Yang and Zitao Zheng and Zhizhong Wu and Bo Zhang and Yuanfang Yang},
journal= {arXiv preprint arXiv:2408.07084},
year = {2025}
}