计算机应用

作者：姜超英, 李倩, 刘宁, 刘磊, 崔立真

单位：1.山东大学 软件学院，济南 250101；2.山东大学 山东大学-南洋理工大学人工智能国际联合研究院，济南 250101；3.山东省工业技术研究院，济南 250100

关键词：电子健康记录,再入院预测,图对比学习,数据增强,图神经网络

基金：山东省自然科学基金青年基金资助项目(ZR2022QF114)

针对疾病间的共同作用与再入院情况的关系的挖掘不足以及相关模型泛化能力较弱的问题，提出一种基于图对比学习的再入院预测模型HealthGraph。首先，利用数据集中的疾病共现信息构建疾病编码图，以充分挖掘疾病之间的关联信息；其次，提出一种以图对比学习的思想为指导的患者数据增强方法，通过图采样器自适应地捕捉与任务相关的拓扑结构，构造新视图，提升数据丰富度，从而提高模型的泛化性能；最后，结合初始疾病编码图嵌入和新视图嵌入进行再入院预测。在真实数据集MIMIC-Ⅲ上构建呼吸系统疾病和循环系统疾病这2个数据集并进行大量实验。结果表明，相较于反转时间注意力模型（RETAIN）和阶段感知神经网络模型（StageNet），所提模型在准确率和F1指标上提升了1个百分点左右。此外，2组消融实验结果验证了所提模型在提高再入院预测的准确性和泛化性中的有效性。

来源：2025年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第6期