基于医疗代码中心的多模态对比电子健康记录建模与层次正则化的下一次就诊诊断预测

利用电子健康记录(EHR)预测下一次就诊诊断是医疗保健中的一项基本任务，对于为医疗提供者和患者制定主动的未来计划至关重要。然而，许多先前的研究未能充分处理EHR数据中固有的异质性和层次性特征，不可避免地导致次优性能。为此，我们提出NECHO，一种新颖的以医疗代码为中心的多模态对比EHR学习框架，并带有层次正则化。首先，我们通过定制的网络设计和一对双模态对比损失，整合了包括医疗代码、人口统计学和临床笔记在内的多方面信息，所有这些都围绕医疗代码表示展开。我们还利用医学本体中的父级信息对特定模态编码器进行正则化，以学习EHR数据的层次结构。在MIMIC-III数据上的一系列实验证明了我们方法的有效性。