面向亚型的纵向电子健康记录注册

电子健康记录（EHR）包含大量患者信息，可为下游临床决策提供信息，包括死亡预测、疾病表型和疾病发生预测。EHR数据分析的关键挑战是：当条件首次被记录的时间与其实际发生时间之间的时差。此类时间线错位可能导致类似疾病发展模式的患者之间人工上不同的生物标志物趋势，削弱下游分析的可靠性，并使疾病亚型和结果预测等任务复杂化。为此，我们提供一种亚型感知的时间线注册方法，利用数据投影和离散优化来纠正时间线错位。通过仿真和真实世界数据分析，我们展示了所提出的方法有效地将扭曲的观察记录与真实疾病发展模式对齐，从而提高了亚型的清晰度并提高了下游临床分析的性能。