计算机工程与科学

作者：藏润强, 左美云, 郭鑫鑫

单位：中国人民大学信息学院智慧养老研究所,北京 100872

关键词：上下文,Doc2Vec,双向长短时记忆网络BiLSTM,数据挖掘,疾病预测,

基金：中央高校基本科研业务费专项资金（19XNH121）

基于电子病历的疾病预测一般是根据病人的症状预测疾病，而很少研究疾病之间的时间顺序关系。引入一种新的电子病历表示法，该表示法考虑了具有时序性的医疗疾病上下文信息，利用Doc2Vec将每种疾病转换成一个类似于其“语义”的数字向量。基于这些向量采用BiLSTM模型来预测老年患者未来的疾病，可以起到对老年疾病的预警作用。最后通过使用真实的医院诊断数据进行实验验证，结果发现模型能够有效地预测出老年人新的疾病，且在保证预测准确率的同时还具有一定的稳定性。

来源：2020年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2020年第12期