KnowAugNet：基于多级图对比学习的多源医学知识增强用药预测网络
人工智能
2022-05-02 v2 机器学习
摘要
用药预测是许多智能医疗系统中的关键任务。它可辅助医生根据电子病历（EMRs）为患者做出知情用药决策。然而，由于医学编码之间关系复杂，用药预测是一项具有挑战性的数据挖掘任务。现有研究多聚焦于利用医学本体图中同质编码之间的固有关系，通过监督方法增强其表示，鲜有研究关注历史EMRs中异质或同质医学编码间有价值的关系，这进一步限制了预测性能与应用场景。因此，为应对这些局限，本文提出KnowAugNet，一种多源医学知识增强的用药预测网络，可通过多级图对比学习框架充分捕捉医学编码间的多样关系。具体而言，KnowAugNet首先利用以图注意力网络为编码器的图对比学习，捕捉医学本体图中同质医学编码间的隐式关系，并获得知识增强的医学编码嵌入向量。随后，其利用以加权图卷积网络为编码器的图对比学习，捕捉所构建医学先验关系图中异质或同质医学编码间的相关关系，并获得关系增强的医学编码嵌入向量。最后，检索增强的医学编码嵌入向量与有监督的医学编码嵌入向量，输入序列学习网络以捕捉医学编码的时间关系并预测患者用药。
引用
@article{arxiv.2204.11736,
title = {KnowAugNet: Multi-Source Medical Knowledge Augmented Medication Prediction Network with Multi-Level Graph Contrastive Learning},
author = {Yang An and Bo Jin and Xiaopeng Wei},
journal= {arXiv preprint arXiv:2204.11736},
year = {2022}
}