论文
HERMES：根据临床记录进行对比感知知识图推理以预测患者结果
HERMES: Contrast-Aware Knowledge Graph Reasoning from Clinical Notes for Patient Outcome Prediction
摘要
临床预测模型通常依赖于结构化电子健康记录数据，例如时间序列和程序代码。虽然最近的方法已经开始利用非结构化的临床记录，但它们通常将其编码为平面序列，这可能会丢失临床叙述中存在的明确的关系和时间结构。作为回应，我们提出了 HERMES，这是一个基于图形的框架，专门对临床文本进行操作，同时保留临床关系。这种方法建立在两个关键思想之上。首先，个性化知识图（KG）是通过大语言模型引导的临床记录提取和对比逻辑建模来构建的，可以明确地捕获时间动态和治疗失败以及结果的变化。其次，图注意力网络通过 KG 上基于图的学习来合成患者表征。 MIMIC-III 和 MIMIC-IV 的院内死亡率和 30 天再入院预测实验表明，HERMES 始终优于强大的纯文本基线。我们的研究结果表明，使用对比逻辑建模的显式关系建模可以显着提高预测性能。