在當今醫療信息化飛速發展的時代，電子健康記錄（EHR）已然成為醫療體系中舉足輕重的核心組成部分。 EHR 憑借其系統化的架構，將患者的病歷信息以電子形式精準存儲，涵蓋從基本的人口統計學資料到動態的、隨時間變化的醫療特征等多元內容，為醫療實踐的各個環節提供了堅實的數據支撐，其在輔助臨床決策、優化患者管理等關鍵領域發揮著不可替代的作用。

回顧 2020 年新冠疫情高峰期的臨床實踐，醫生通過構建不同年齡層的患者隊列發現關鍵規律：50-70 歲患者群體更易出現呼吸困難、認知衰退等重癥表現，而 20-40 歲群體多為輕癥或無癥狀感染。這種基于隊列的對比分析，不僅為診療方案制定提供了直接依據，更揭示了 EHR 表征學習中被長期忽視的核心要素 —— 患者隊列。

作為醫療研究的基本單元，隊列通過共享特征識別具有相似臨床特征的患者群體，其價值遠超出個體數據的簡單累加：既能夠發現特定人群的疾病規律，如發熱癥狀與新冠感染的關聯性，更能為精準醫療干預提供靶向依據。但傳統的隊列劃分方法存在諸多局限性，難以滿足 EHR 數據處理的精細化要求，如無法實現細粒度隊列劃分，易引入噪聲，且不能充分利用隊列內與隊列間的寶貴信息。

在此背景下，新加坡國立大學聯合浙江大學提出了創新性方法 NeuralCohort，為 EHR 表征學習開辟了新的路徑。這一方法通過獨特的雙模塊架構，有望突破現有難題，充分釋放 EHR 數據的潛能，為醫療分析注入強大動力，其在醫療領域的應用前景備受矚目，有望深刻變革醫療數據分析與臨床決策模式，推動醫療行業邁向更高層次的智能化、精準化發展。

相關研究成果以「NeuralCohort: Cohort-aware Neural Representation Learning for Healthcare Analytics」為題，入選 ICML 2025 。

研究亮點：

* 該研究提出的 NeuralCohort 是一種具有隊列意識的神經表征學習方法，專注于支持細粒度隊列生成

* NeuralCohort 創新性地同時利用了局部隊列內和全局隊列間信息，這些關鍵要素在之前的電子健康記錄分析研究中未得到充分關注

* NeuralCohort 的優勢在于其出色的兼容性，能夠無縫集成到各種骨干模型中，作為多功能插件將隊列信息納入醫療分析，進而提高整體性能

論文地址： 

??https://openreview.net/forum?id=bqQVa6VRvm??

更多 AI 前沿論文：
???https://go.hyper.ai/owxf6??

EHR 數據體系：多維度醫療信息整合與臨床研究數據集支撐

該研究涉及的核心數據體系以電子健康記錄（EHR）為基礎，其數據結構整合了患者全周期醫療信息，包括住院、門診、急診的詳細記錄，以及臨床診斷、治療方案、用藥歷史、檢驗結果、影像報告和臨床筆記等多維度信息，形成縱向追蹤患者健康狀態的結構化數據庫，為臨床決策、個性化醫療和人群健康研究提供全鏈條數據支持。如下表所示，該研究具體使用的數據集包括：

MIMIC-III 數據集作為公開可獲取的重要醫療資源，涵蓋了 53,423 次獨特的住院記錄，涉及在 2001 年至 2012 年間入住貝斯以色列迪卡尼醫療中心重癥監護病房的 16 歲及以上成年患者，此外還包含 2,083,180 份已脫敏的臨床筆記，為研究患者病情發展、治療過程及臨床決策提供了深度洞察。

MIMIC-IV 數據集則聚焦于 2008 年至 2022 年間收集的患者入院信息，其采用模塊化數據組織結構，強調數據來源的可追溯性與獨立性，便于研究者根據需求靈活調用不同數據源及其聯合數據。

Diabetes130 數據集匯集了來自 130 家美國醫院和綜合醫療網絡在 1999 – 2008 年間積累的臨床護理數據，專注于糖尿病治療領域的模式分析，其獨特的數據主題與長期的數據積累，為深入研究糖尿病歷史護理模式、優化糖尿病患者治療方案以及實現安全個性化醫療服務提供了精準的數據支撐。

研究所用數據集的數據統計

NeuralCohort 模型：雙模塊驅動的隊列意識 EHR 表征學習框架

為了有效整合患者隊列以強化電子健康記錄（EHR）數據的表征學習效果，NeuralCohort 由兩大核心模塊構成：預上下文隊列合成模塊（Pre-context Cohort Synthesis Module）與雙尺度隊列學習模塊（Biscale Cohort Learning Module）。

NeuralCohort 概述

在預上下文隊列合成模塊中，NeuralCohort 模型首先引入了分層就診引擎（Hierarchical Visit Engine），能夠處理復雜的診斷代碼本體結構，例如 ICD-9 的樹狀體系。通過結合路徑表征與語義相似性度量，該模塊能夠有效區分具有層級關聯的醫學術語，如糖尿病及其并發癥的不同編碼。同時，模型可將診斷、藥物、檢驗代碼的分層特征整合，并運用反向時間注意力機制（Reverse Time Attention），以當前就診為錨點動態聚合歷史就診信息，從而捕捉就診序列的時間依賴性。

為應對傳統患者相似性手動標注的低效問題，模塊創新性地引入了偽相似性訓練（PseudoSim Training）任務，利用診斷代碼生成偽標簽，并通過互信息神經估計優化患者表征。最終，借助 Jensen-Shannon 散度和學生 t 分布實現隊列推導，為后續分析提供了結構化的患者分組方案。

雙尺度隊列學習模塊則致力于挖掘隊列內部的共性特征以及不同隊列間的差異特征。在局部隊列建模（Local Cohort Modeling）中，模型通過將每個隊列視為圖結構，并利用患者表征的余弦相似性構建鄰接矩陣，圖神經網絡逐層聚合節點信息，從而捕捉同一隊列內患者的交互模式。

全局隊列建模（Global Cohort Modeling）采用編碼器-解碼器架構，通過重構損失保持隊列語義完整性，同時結合對比損失強化不同隊列的特征分離，確保跨隊列的可區分性。

最終，通過跨域注意力機制融合骨干網絡初始表征、隊列內局部表征和隊列間全局表征，形成包含多層級隊列信息的最終表征。在模型訓練過程中，損失函數集成了偽相似性訓練損失、隊列推導損失、隊列對比損失及下游任務損失，通過權重參數調節實現多目標優化。這使得 NeuralCohort 不僅能夠學習到細粒度的患者個體特征，還能捕獲具有臨床解釋性的隊列群體模式，為醫療數據分析任務提供了兼具精度與可解釋性的解決方案，有望推動醫療決策的科學化與精準化。

多維實驗驗證：NeuralCohort 模型準確率提升 16.3%，顯著增強患者管理的決策制定

為了評估 NeuralCohort 對電子健康記錄（EHR）表征學習的優化效果，研究團隊構建了一個全面的實驗框架。

研究人員選擇了 Med2Vec 、 MiME 和 ClinicalBERT 這 3 個在醫療數據分析領域具有代表性的模型作為基準框架。同時，為了進行有效的對比，實驗中納入了 KNN 、 K-Means 等 7 種傳統隊列整合算法作為對比方法。

實驗設計聚焦于兩個關鍵的醫療預測任務：醫院再入院預測和長期住院時間（LOS）預測，這兩個任務對于醫療資源管理和患者護理質量提升具有重要意義。為了全面評估模型的性能，研究人員采用了 AUPRC 、 AUROC 和準確率這 3 個廣泛認可的評估指標，并通過五輪重復實驗來獲取穩定且可靠的統計結果，從而系統性地評估模型的泛化能力。

總體實驗結果如下表所示，NeuralCohort 在 MIMIC-III 數據集的兩個預測任務中表現出色，相較于傳統基線模型，在 AUPRC 指標上最高提升了 8.0%，在 AUROC 指標上提升了 8.1%，而在準確率方面更是顯著高出 16.3% 。

進一步的分析揭示，基線模型未能實現一致的性能提升，主要原因在于其在細粒度隊列信息建模方面存在不足。例如，KNN 和 K-Means 算法不在相似性感知的特征空間內運行，DGLoS 構建的全局圖較為粗粒度，GRASP 僅專注于隊列間建模，而 DEC 、 DEKM 和 IDC 則無法有效對醫學語義進行建模。這些缺陷導致基線模型在模擬患者相似性時表現不佳，甚至可能向骨干模型引入噪聲，從而降低整體性能。

NeuralCohort 在 MIMIC-III 數據集的兩個預測任務的表現

在與傳統醫學隊列構建方法的對比中，NeuralCohort 同樣展現出了顯著的優勢。傳統方法通常依據性別、年齡、糖尿病診斷和高血壓診斷等有限的特征進行隊列劃分，這種方法生成的隊列較為粗粒度，難以滿足隊列模式挖掘的需求，并且容易將不相似的患者分到同一隊列中，引入噪聲。相比之下，NeuralCohort 利用患者從隊列內和隊列間的序貫就診層面表征，在細粒度層面上進行操作，使得在 MIMIC-III 數據集中隊列內患者的臨床相似度提升了 23.5% 。

在 MIMIC-III 數據集上對傳統隊列和 NeuralCohort 進行比較

可解釋性分析進一步揭示了 NeuralCohort 的優勢。 Calinski-Harabasz 評分顯示，NeuralCohort 生成的隊列在長期 LOS 任務中，較 K-Means 等方法提升了 18.7%-25.4% 的 C-H 評分。基于 t-SNE 的可視化分析也表明，基線模型直接輸出的表征存在顯著的聚類重疊，而 NeuralCohort 如下圖所示，通過隊列信息注入，使得 8 個目標隊列的區分度提升了 41.2%，其中心血管疾病隊列、慢性代謝疾病隊列等臨床典型群體的特征邊界尤為清晰。

對選定的 8 個隊列點預測前的 t-SNE 可視化

在臨床意義上，NeuralCohort 能夠識別與臨床結果直接相關的隊列特定特征，從而顯著增強患者管理。例如，通過 t 檢驗識別出的四個隊列的獨特特征，涵蓋了心血管疾病、慢性代謝和血液疾病、腎臟和泌尿問題以及復雜的慢性病和急性病等不同類型的患者群體。

這些特征的識別使得醫院能夠更加針對性地分配資源，如遙測病床、心臟科會診、糖尿病教育者、腎臟小組等，并制定相應的干預措施，如及時使用利尿劑、胰島素滴定、安排影像學檢查等，從而顯著提高醫院效率和患者護理質量。

產研協同，雙向驅動的 EHR 創新生態

在電子健康記錄（EHR）表征學習與隊列分析領域，全球學術界與企業界正通過前沿技術突破與臨床實踐創新，推動醫療數據價值的深度釋放，為精準醫療的發展注入新動力。

廈門大學王曉黎教授團隊提出的 MHGRL 模型，通過構建多模態異構圖整合 EHR 內部結構與外部醫學知識，在 MIMIC-III 等數據集上顯著提升了疾病預測精度。該模型采用的逆時間注意力機制，強化了當前就診與歷史記錄的關聯性，與 NeuralCohort 的預上下文隊列合成模塊在技術邏輯上形成呼應，均體現了對時間序列信息建模的重視。

康奈爾大學團隊基于 800 萬真實 EHR 數據構建的 GEMS 模型，展示了隊列分析在臨床決策中的直接應用。該研究通過圖神經網絡編碼器捕捉晚期肺癌患者的 104 維特征向量，結合聚類模塊識別出三類具有顯著生存差異的亞表型，其預測總生存期的 c-index 達 0.665，遠超傳統基線模型，其技術路徑與 NeuralCohort 的雙尺度隊列學習模塊在方法論上高度契合，均聚焦于從復雜數據中挖掘具有臨床意義的隊列特征。

企業界同樣成果斐然，正將學術界的前沿技術轉化為實際的臨床應用工具。例如，英國 NHS 與 Hippocratic AI 合作的 PATH 計劃，通過對話智能體自動化病史采集與轉診驗證，使專科候診周期縮短 35% 。這種基于 EHR 的智能分診系統，其內置的隊列分析模塊可實時識別高風險患者群體，例如通過自然語言處理從臨床筆記中提取「慢性阻塞性肺疾病合并急性加重」等復合特征，動態調整患者優先級。

總結來看，學術界通過算法創新構建更精準的隊列模型，不斷拓展醫療數據挖掘的深度與廣度；企業界則憑借其技術轉化能力，將這些前沿技術轉化為可落地的臨床工具，提升醫療服務效率與質量。這種雙向驅動的創新生態，不僅有望幫助醫生獲得更精準的診斷支持，更能從群體特征中發現個體風險的早期預警信號，推動醫療服務模式從疾病治療向健康管理轉變，為全球醫療體系的優化升級提供了有力支撐。

參考文章：
1.??https://cdmc.xmu.edu.cn/info/1002/3683.htm???
2.??https://mp.weixin.qq.com/s/Z1Wl0FIPHpwrvnNDCE5KwA???
3.??https://mp.weixin.qq.com/s/neCUoGm75mTPwjvlND5_sg??