基于层次与语义引导的 Transformer 生成临床逼真的电子健康记录数据

生成逼真的合成电子健康记录（EHR）在加速医疗研究、促进 AI 模型开发和增强患者隐私方面具有巨大潜力。然而，现有的生成方法通常将 EHR 视为离散医疗代码的扁平序列。这种方法忽略了两个关键方面：临床编码系统固有的层次组织结构，以及代码描述提供的丰富语义上下文。因此，合成的患者序列通常缺乏高临床逼真度，且在下游临床任务中的实用性有限。在本文中，我们提出了层次与语义引导的 Transformer（HiSGT），这是一种利用层次和语义信息进行生成过程的新颖框架。HiSGT 构建了一个层次图来编码临床代码之间的父子关系和兄弟关系，并采用图神经网络来导出层次感知嵌入。然后，将这些嵌入与从预训练临床语言模型（例如 ClinicalBERT）中提取的语义嵌入相融合，使基于 Transformer 的生成器能够更准确地建模真实 EHR 中固有的精细临床模式。在 MIMIC-III 和 MIMIC-IV 数据集上的大量实验表明，HiSGT 显著提高了合成数据与真实患者记录的统计一致性，并支持诸如慢性病分类等稳健的下游应用。通过解决传统基于原始代码生成模型的局限性，HiSGT 迈向临床高逼真度合成数据生成的重要一步，并提供了一种适用于可解释医疗代码表示的通用范式，在数据增强和隐私保护医疗分析中具有宝贵的应用价值。