基于深度学习的重复住院预测模型研究——以心脏病为例

作者：达婧玮; 颜嘉麒^*; 邓三鸿; 王忠民

来源：数据分析与知识发现, 2020, 4(11): 63-73.

DOI：10.11925/infotech.2096-3467.2020.0469

• 重复住院
• 深度学习
• 心脏病
• 预测分析

【目的】基于电子病历,运用深度学习方法提高重复住院预测准确率,为医院管理提供参考。【方法】提出一种融合结构化和非结构化数据的模型。该模型基于字符级卷积神经网络对非结构化文本数据进行学习,并结合结构化数据(人口统计学数据、临床数据和行政数据)对重复住院进行预测。【结果】融合结构化和非结构化数据的深度学习模型表现最好,F1值为0.735,超出单独使用结构化数据的模型12.9%,超出单独使用非结构化数据的模型约2.1%,预测性能有较大提升。【局限】实验数据集仅包括来自一家医院患者的部分病历数据,对模型预测结果有一定影响。【结论】本文模型实现了较好的预测效果,可为相关研究者和医院管理者提供参考。

• 单位
  南京大学; 南京医科大学第一附属医院; 江苏省人民医院