利用多模态信息建模患者轨迹

电子健康记录（EHRs）在患者层面聚合多样信息，承载着代表患者健康状况随时间演变的轨迹。尽管这些信息提供了上下文，并可被医生用来监测患者健康并做出更准确的预后/诊断，但患者记录可能包含跨度极长的信息，加之医疗数据快速生成，使临床决策更加复杂。患者轨迹建模可通过可扩展方式探索现有信息，并可通过促进预防医学实践助力提升医疗质量。我们提出一种结合不同类型信息并考虑临床数据时间方面的患者轨迹建模方案。该方案利用两种不同架构：一种支持灵活输入特征集，将患者入院记录转换为稠密表示；另一种在基于循环的架构中探索提取的入院表示，其中患者轨迹使用滑动窗口机制以子序列方式处理。所开发方案使用公开可用的 MIMIC-III 临床数据库，针对两种不同临床结果（非预期患者再入院与疾病进展）进行了评估。所得结果表明第一种架构利用单次患者入院记录建模再入院和诊断预测的潜力。虽然临床文本信息的判别力未如其他现有工作所观察的那样强，这或可解释为需要对 clinicalBERT 模型进行微调。最后，我们展示了基于序列的架构利用滑动窗口机制表示输入数据的潜力，取得了与其他现有方案相当的性能。