Mdpg:一种基于患者知识图的新型多种疾病诊断预测方法

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 临床决策支持系统 临床决策支持系统

背景情况:

• 电子健康记录 (EHR) 数据对诊断预测提出了挑战,因为其时间序列,稀疏和多噪音性质.
• 现有的方法经常使用循环神经网络 (RNN) 和医学知识库,但忽视了当地的空间特征和时空相关性.
• 准确的诊断预测对于提高医疗保健效率和临床决策支持至关重要.

研究的目的:

• 提出MDPG,一种利用患者知识图表的新型诊断预测模型.
• 为了有效地捕捉EHR数据中的本地空间结构,时间特征和时空相关性.
• 提高预测未来患者健康状况的准确性和效率.

主要方法:

• 代表电子访问记录作为以患者为中心的时间知识图.
• 开发空间图形卷积,时间自我注意力和空间时间同步图形卷积块.
• 使用多标签分类来预测未来的状态,并使用访问级精度@k和代码级精度@k指标进行评估.

主要成果:

• 与所有基线模型相比,拟议的MDPG模型表现出优越的性能.
• 在两个真实世界的数据集上进行了全面的实验,验证了MDPG的有效性.
• 在EHR数据中,MDPG成功捕获了空间,时间和空间与时间的相关性.

结论:

• 通过使用患者知识图表,MDPG在诊断预测方面取得了重大进展.
• 该模型能够捕捉复杂的数据相关性,从而提高了预测准确度.
• 这种方法通过提供更可靠的未来患者状态预测来增强临床决策支持.