一种使用注意力双向异构LSTM的治疗引擎

摘要：

近年来,通过挖掘电子病历系统中的大量数据和知识来辅助临床治疗从而改善医疗质量的方法受到了广泛的关注.治疗引擎可以帮助医生制定出合适的治疗方案,其通过对病患的历史住院信息建模来预测病人下一个疗程的治疗药物处方.然而,数据的时间性和多模态特性为治疗引擎的预测结果的有效性带来了挑战.为了应对上述挑战,本文提出了一种基于注意力的双向异构LSTM的治疗引擎.该方法提出一个端到端的神经网络,通过双向的异构LSTM结构全面地保留了全局的时间和多模态数据信息.在双向异构LSTM的基础上建立了双向的注意机制使治疗引擎关注全局的时间信息,最后经过全连接层预测下一疗程治疗药物处方.特别的是,该模型同时关注到了数据的时间性和多模态性,具有高的鲁棒性和高预测性能.在一个大型的真实的重症医疗数据集MIMIC-III上进行了测试,验证了该治疗引擎的有效性.实验结果表明,与最先进的方法相比,该方法具有优越性.

关键词：双向异构LSTM;注意力机制;时间序列;多模态;电子病历;治疗引擎

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目;江苏省自然科学基金项目

在线出版日期：2021-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1598-1603