伴随着医疗行业信息化的发展,产生了越来越多的医疗健康数据。医疗健康大数据的挖掘与应用也成为了必然趋势。人们生活水平和健康意识的提高使得人们对疾病的治疗和预防提出了更高的要求;国家也提出了疾病要以预防为主,强调要治未病。电子健康记录(Electronic Health Records,EHR)中包含着患者的患病情况、治疗信息以及人口统计学信息等。通过对这些数据的挖掘分析能够完成疾病预测任务,从而帮助医生实现疾病的预防,提高医疗服务质量。在利用电子健康记录进行疾病预测任务时仍存在着一些问题需要解决。首先是电子健康记录中存在数据不一致问题,电子健康记录中的诊断信息通过医学代码来进行记录。在进行医学代码分配的过程中,社会歧视、编码不规范等很多原因都会导致错误医学代码出现,比如很多癫痫数据都被记录为高热惊厥。这种编码错误会导致诊断信息和药物信息数据不一致,影响最终的预测任务。此外,患者的历史就医信息本身数据量很大,并且是高维的时序数据。这些特性使得传统的机器学习算法对数据的建模效果不佳。尽管已经有研究人员将循环神经网络等深度学习模型应用到疾病预测任务中,但仍然存在一些问题导致模型效果不是很理想。并且对于医学领域,模型的可解释性是非常重要的,而如何对构建的预测模型提供可解释性也是一个重要问题。本文设计了一个医疗代码纠偏模型来对错误医疗代码进行纠正,解决数据的不一致问题;同时设计了一种基于双向循环神经网络和交叉注意力机制的模型来完成疾病预测任务。具体的内容如下:1.本文提出了 一种基于知识嵌入和自注意力机制的医学代码纠偏模型。因为患者的药物是对应患者本身,不会存在掩盖病情等问题,所以该模型利用就医时的药物信息来分析患者的疾病信息。模型使用了药物相关的医学知识帮助提高药物的嵌入表示,然后使用自注意力机制生成药物组合的隐藏表示。注意力机制帮助发现对预测结果重要的药物,使模型具有更好的效果。最终在真实数据集上的实验表明本文提出的模型具有最好的效果,同时对于注意力机制在模型中发挥的作用进行了详细的分析。2.本文设计了基于交叉注意力机制的疾病预测模型。模型利用患者的历史就医记录来预测下一次的就医疾病。不同于以往的方法,该模型将患者的诊断信息和药物信息分别处理,然后通过交叉注意力机制进行组合。交叉注意力机制帮助模型发现对于预测结果重要的疾病和用药,不仅提高了模型预测的准确性,也为预测结果提供了可解释性。在两个真实数据集上的实验也表明模型具有最好的预测效果,同时交叉注意力机制为模型提供了良好的可解释性。