基于网络表示学习的疾病知识关联挖掘与预测方法研究

作者：余黄樱子; 董庆兴^*; 张斌

来源：情报理论与实践, 2019, 42(12): 156-162.

DOI：10.16353/j.cnki.1000-7490.2019.12.025

• 知识挖掘
• 链路预测
• 电子病历
• 预测方法

[目的/意义]近年来,以电子病历大规模应用为标志的医疗信息化发展迅速。电子病历的广泛应用使得医疗信息管理机构产生并存储了大量医疗数据,如何从这些海量的数据中挖掘出有价值的疾病关联知识,以辅助疾病的精准诊断和预测成为当前信息科学研究人员和业界人员面临的重要问题。[方法/过程]文章提出一种疾病知识网络表示学习模型及其链路预测算法(NRL-LP),以进行疾病知识的关联关系挖掘与预测。该模型学习网络节点的内部和外部特征并将节点映射为空间向量以浅层表示节点,然后将链路预测问题转化为有监督的学习,提出NRL-LP算法预测节点对之间是否连接来挖掘和预测疾病知识间存在的关联关系。[结果/结论]以1400万条非结构化医疗临床记录的数据集为实验对象,结果表明,NRL-LP能够揭示新的疾病关联知识,为有效进行临床决策提供帮助。

• 单位
  华中师范大学; 武汉大学