在时间中寻找医疗照护的代数结构：一种深度学习方法

理解电子病历中的潜在过程可能会给现代医疗带来变革。然而，由于至少三个动态组分——疾病、照护与记录实践——之间的相互作用，这些过程十分复杂。现有方法不足以捕捉照护的动态结构。我们提出了一种端到端模型，该模型读取医疗记录并预测未来风险。该模型采用代数视角，将离散医疗对象嵌入到位于同一空间中的连续向量。每次医院就诊记录的疾病与合并症集合被建模为集合的函数。治疗集合同理。一次就诊中疾病与治疗的相互作用被建模为疾病减去治疗的残差。最后，由就诊序列构成的健康轨迹使用循环神经网络建模。我们报告了在慢性疾病——糖尿病与心理健康——上预测非计划再入院的初步结果。