常规护理电子健康记录 (EHR) 的多模式融合:一个范围审查

科学领域:

• 医疗保健中的人工智能
• 卫生信息学
• 临床决策支持系统

背景情况:

• 电子健康记录 (EHR) 在医疗保健中广泛使用,收集各种患者数据,包括人口统计,诊断,药物,笔记,生命体征和实验室结果.
• 这些多模式电子健康记录数据具有丰富的语义,概念和时间信息,为先进的临床决策提供了潜在支持.
• 最近的生成学习技术在融合这些异构的电子健康记录数据元素以提高医疗保健决策方面表现有前途.

研究的目的:

• 对融合多式联络日常护理电子病历数据的技术进行范围审查.
• 综合融合架构,输入数据元素和应用领域的差异.
• 发现研究缺陷,促进融合技术的再利用,以获得新的临床结果.

主要方法:

• 在Google Scholar上进行了全面的文献搜索,以使用2018-2023年多式联络日常护理EHR数据,寻找具有高影响力的融合架构.
• 该审查遵循了PRISMA扩展范围审查的指导方针.
• 研究结果以主题和比较方式进行分析.

主要成果:

• 作为输入方式使用的EHR数据元素缺乏标准化定义,经常忽视数据源,编码和概念级别.
• 建议对融合架构进行修订分类,将融合与学习区分开来,并在编码,表示和决策层中对并发学习进行计算.
• 目前预训练的编码模型在处理时间和语义信息方面存在不一致,限制了它们的重用.

结论:

• 目前的EHR融合架构主要依赖于逐个设计的方法.
• 需要制定指导方针,为各种医疗应用设计高效的多模式.
• 准则应强调模式组合,转移学习,共同学习和语义/时间编码的最佳实践,以促进重复使用.