面向电子健康档案的患者相似度模型研究及其儿童社区获得性肺炎临床应用

With the advancement of medical informatization, electronic health records contain great scientific and marketing values by having rich clinical data that enables the study of computational phenotyping. However, the heterogeneity, scalability and low quality of electronic health records bring great difficulties to analysis and modeling. The aim of this project is modeling the similarity characteristics of patients in electronic health records. To reveal the digital characteristics and mechanism of disease, we provide theoretical and algorithmic foundations for the promoting the development of precision medical. This project mainly covers the following topics: 1) feature extraction of multi-source heterogeneous health data; 2) patient similarity learning; 3) patient clustering; 4) disease diagnosis model. The relevant research achievements of this subject are expected to provide new ideas and solutions for patient disease prediction, patient cohort stratification, patient similarity network, disease phenotyping, and visualization，etc. The project will propose early pathogen diagnosis solutions based on patient similarity model for children community-acquired pneumonia, to avoid the abuse of antibiotics, over-treatment and other issues.Therefore, it is both of theoretical and clinical importance. The accumulated rich experiences of applicants in the machine learning, the feasible research plan, and adequate data preparation lay the success of this project.

随着医疗信息化推进，电子健康档案富含的临床数据，使研究计算表型成为可能，具有极大的科学和市场价值。然而，电子健康档案的异构、海量与低质特性给分析与建模带来了巨大困难。本项目旨在面向电子健康档案对患者相似特性进行建模，为揭示疾病的数字特性与机理，为促进精准医疗发展提供理论与算法支持。其核心思想是基于哈希函数与度量学习建立一套自学习的患者相似度学习模型，其主要研究内容包括：1）多源异构数据提取；2）患者相似度学习；3）患者聚类；4）疾病诊断模型。本课题研究成果预计将为患者疾病预测、患者群体分类、患者相似度网络、疾病表现型、可视化等方面研究提供新的解决思路和方法，具有重要的理论研究意义；本课题还将患者相似度模型用于实现儿童社区获得性肺炎的病原早期诊断，从而避免抗生素滥用与过度质量等问题，具有重要的临床应用意义。申请人在机器学习方面积累充分，研究方案切实可行，数据基础充足，能保证本课题顺利完成。

随着医疗信息化推进，电子健康档案富含的临床数据，使研究计算表型成为可能，具有极大的科学和市场价值。然而，电子健康档案的异构、海量与低质特性给分析与建模带来了巨大困难。本项目旨在面向电子健康档案对患者相似特性进行建模，为揭示疾病的数字特性与机理，为促进精准医疗发展提供理论与算法支持。本课题将患者相似度模型用于实现儿童社区获得性肺炎的病原早期诊断，可避免抗生素滥用与过度质量等问题，具有重要的临床应用意义。..课题组与上海交通大学附属儿童医院就患者相似度模型及辅助诊断开展了深入合作，超额完成了预期任务，在国内外期刊与会议上发表论文7篇，其中CCF A类论文1篇、SCI一区论文1篇，授权发明专利2项，并培养了该领域的硕士与博士研究生。本课题按照申请书设定的技术路线与年度计划有序进行。本课题成果的主要贡献包括：1）医疗多源异构数据特征提取与患者相似度模型；2）患者聚类与疾病诊断算法；3）基于强化学习的分布式模型训练与交互式医疗诊断算法。本课题研究成果对患者疾病预测、患者群体分类、患者相似度网络、疾病表现型、可视化等方面研究提供新的解决思路和方法，具有重要的理论研究意义；