基于球面混合积分的多源特征空间潜在嵌入对齐方法——SMILE

多机构电子健康记录(Multi-EHR)数据已成为支持临床决策并生成可靠真实证据的强大资源。通过聚合来自不同患者群体和机构的信息，他们增强了模型和发现的鲁棒性和可泛化性。然而，分析Multi-EHR仍具有挑战，因为不同机构很少将所有数据元素映射到常见本体，且原始EHR代码往往过于细粒度和机构特定，导致对同一临床概念的表示被碎片化。因此，整合分析必须克服两个关键障碍： harmonize 意义相同的代码(同义性)，以及对齐机构特征空间。为此，我们提出SMILE，即Spherical Mixture Integration for Latent Embedding alignment across multi-source feature spaces，其中来自异构来源的嵌入作为临床概念的隐私保护总结，稀疏的辅助关系对提供潜在几何上的弱监督。通过 von Mises-Fisher 分布的混合模型来建模同义性，生成统一的表示以整合语义等价的原始代码。我们发展了一种复合准似似然估计程序，并为潜在表示和混合均值方向建立了非渐近误差界，同时保证同义聚类一致恢复。该理论量化了整合多个数据源和辅助知识图谱信息所带来的统计收益。通过仿真和一个多机构EHR应用，演示了改进的对齐和同义聚类。