RTGN:强大的传统中医图谱网络,用于患者的相似性学习

科学领域:

• 综合医学是一个整体的医学.
• 医疗保健中的人工智能
• 传统中国医学 (TCM) 是一种

背景情况:

• 传统医学提供了一种独特的诊断和治疗方法,与西方医学日益融合.
• 在标准化TCM数据收集和开发患者相似度指标方面存在挑战,原因是依赖主观医生的判断.
• 人工智能为分析多维TCM数据提供了机会,以改善患者分层.

研究的目的:

• 开发一个强大的AI框架,用于在传统中医 (TCM) 中测量患者的相似性.
• 将TCM的细粒度差异化知识与西方医学方法相结合,以增强患者的相似性.
• 为了提高患者检索的准确性,并支持下游临床应用精确的TCM.

主要方法:

• 构建一个现实世界数据集 (TCMGI),其中包含来自719个TCM胃肠恶性瘤病例的406个多维特征.
• 开发一个深度学习框架,强大的传统中医药图形网络 (RTGN),利用语网络,自我注意力和自我监督.
• 设计一种新的患者相似度指标,将TCM和西方医学原则结合起来.

主要成果:

• 与现有方法相比,RTGN框架在患者检索准确度方面表现优越.
• 拟议的相似度指标在不同细分级别的任务聚类方面表现出色.
• 这种方法有效地描绘了细粒度的患者相似性,推进了精确的TCM.

结论:

• 开发的AI框架和相似度指标为TCM患者相似性提供了强大的解决方案.
• 这项工作支持精确的TCM,通过实现准确的患者检索和促进下游任务,如处方生成.
• 结合TCM的知识框架与人工智能,为推进传统医学的研究和实践提供了巨大的潜力.