一种自适应记忆神经网络多跳读取与覆盖度机制结合的药物推荐模型

药物推荐的目标是依据病人的电子医疗记录生成药物处方,为医生提供临床决策支持.提取电子医疗记录中蕴含的时序模式以及上下文信息,是成功推荐药物的关键.以往研究忽略了病人之间医疗记录数据量存在差异,无法根据不同病人自身情况,调整数据读取过程中的关注重点以及数据读取迭代次数.针对上述问题,本文提出一种选择性覆盖度机制与自适应记忆神经网络读取结合的药物推荐模型.模型使用记忆神经网络存储病人健康状况对应的时序模式编码结果,利用覆盖度机制进行迭代读取过程中的数据过滤与注意力权重调整.同时模型依据病人自身情况,自适应决定记忆神经网络读取次数.基于真实临床数据的实验结果显示,本模型能够自适应地提取电子医疗记录中的重要数据,构建有效的病人健康状况表示向量,进而完成药物推荐.