-
题名基于动态超图与药物处方信息融合的时序健康事件预测
- 1
-
-
作者
吴晗禹
刘天赐
矫拓成
车超
-
机构
大连大学先进设计与智能计算省部共建教育部重点实验室
-
出处
《计算机科学》
2025年第9期88-95,共8页
-
基金
国家自然科学基金(62076045)
高等学校学科创新引智基地(D23006)
+1 种基金
大连市重大基础研究项目(2023JJ11CG002)
国家外国专家项目(D20240244)。
-
文摘
时序健康事件预测是医疗人工智能领域的核心挑战之一。针对电子健康记录中药物与诊断复杂关联的建模难题,提出了DHMP模型。首先,通过动态子图学习机制,有效捕捉疾病演变的局部特征;其次,设计多超图融合架构,首次实现药物协同作用与诊断关联的联合建模;最后,开发时间感知注意力算法,精准解析诊疗记录中的长期依赖关系。在MIMIC-III和MIMIC-V两大临床数据集上的实验表明,DHMP模型将诊断预测准确率提升至26.68%,风险预测AUC达到90.65%,显著优于现有最佳方法。临床医生评估显示,模型预测结果与医学认知的一致性达89%,所提模型为智能辅助诊断提供了可靠工具。
-
关键词
动态子图学习
图神经网络
药物相互作用
时序健康事件预测
临床决策支持
-
Keywords
Dynamic subgraph learning
Graph neural network
Drug interaction
Temporal health event prediction
Clinical decision support
-
分类号
TP391
[自动化与计算机技术]
-
