利用分类学相似性进行患者治疗中的下一活动预测
机器学习
2026-03-05 v3 人工智能
摘要
现代医学的快速进步给医生在规划患者治疗时带来了复杂的挑战。诸如下一活动预测 (Next-activity-prediction, NAP) 之类的预测业务流程监控技术可作为一种有前景的技术，用于支持医生在治疗规划中提出可能的下一治疗步骤。现有的患者数据常以电子健康记录的形式出现，可用于分析以推荐治疗过程中下一个合适步骤。然是的，使用患者数据提出了诸多挑战 due to its knowledge-intensive character, high variability and scarcity of medical data。为克服这些挑战，本文考察了利用分类学中编码的知识来改进和解释治疗过程中下一活动的预测。本研究提出了 TS4NAP 方法，该方法结合医学分类学 (ICD-10-CM 和 ICD-10-PCS) 和图匹配来评估医学代码的相似性，以预测下一治疗步骤。将采用源自 MIMIC-IV 数据集的事件日志评估所提出方法的有效性。结果突显了利用分类学中保存的领域特定知识来提高下一活动预测的潜力，从而可以改善治疗规划和决策，通过使预测更具可解释性来实现。
引用
@article{arxiv.2503.07638,
title = {Leveraging Taxonomy Similarity for Next Activity Prediction in Patient Treatment},
author = {Martin Kuhn and Joscha Grüger and Tobias Geyer and Ralph Bergmann},
journal= {arXiv preprint arXiv:2503.07638},
year = {2026}
}