医疗卫生机构在提供医疗服务的同时积累了大量的电子健康记录数据，基 于电子健康记录数据进行挖掘和分析，具有重要的学术价值和社会价值。诊断预 测是电子健康记录数据挖掘领域最为核心的一个任务，其目标是根据病人历史 的就诊记录数据，预测在未来一段时间内可能出现的症状，以便医生进行提前干 预并采取相应的医疗措施。基于深度学习的诊断预测模型虽然取得了一定成效， 但仍然面临着依赖大量标注数据、预测效果不稳定、缺乏可解释性等问题。本论 文的研究从两个方面展开。一方面，针对 EHR 数据中多种病因混淆的问题，我 们提出用多病因网络同时捕捉多种病因，针对不稳定预测和分布外泛化能力差 的问题，我们将多病因网络与稳定学习的框架相结合，提出了稳定的多病因诊断 预测模型。另一方面，针对现有的深度诊断预测模型需要大量标注数据且预测结 果缺乏可解释性的问题，我们提出用医学知识图谱进行增强，减轻对标注数据的 依赖并提供具有可解释性的预测结果。本文的主要贡献可以归纳为以下两点：

（1）稳定的多病因诊断预测模型

对于深度诊断预测模型来说，一个病人的不同疾病信息同时混合在其统一 的向量表达中，这给精确的诊断预测造成了困难。一些现有的方法试图采用多头 注意力机制来同时捕捉疾病发展的多个方面，然而由于缺乏适当的正则项约束， 这类模型获得的病因表达通常都是高度相关的，这限制了此类模型的表达能力。 因此本文专门设计了一个多病因网络，然而多病因的引入却加剧了预测不稳定 的问题。模型为了提高预测性能，会充分挖掘训练数据中的统计相关性，导致当 测试集的分布与训练集的分布存在偏移时，模型参数的估计和学习不够准确，测 试集上的预测结果也会表现较差。为此，本文引入了希尔伯特-施密特独立性准 则来度量模型得到的多个向量表达之间的独立性。此外，受样本重加权技术的启 发，本文设计了一个病因相关性正则项用于估计样本的权重，进而保证在重加权 训练样本上，学习得到的病因向量是去相关的，从而提高模型分布外泛化的能 力，保证对于任意未知的测试数据，该模型都能取得一致的预测效果。本文在大 规模公开数据集 MIMIC-III 上进行了实验，实验结果证明了所提出方法的有效 性。

（2）知识增强的可解释诊断预测模型

基于深度学习的诊断预测模型具有大量的参数需要通过梯度下降算法进行更新学习，因此通常需要大量的有标注的数据进行训练，当训练数据集规模较 小时，预测准确程度会有明显的下降。另外，疾病症状的出现符合长尾分布的特 点，大部分症状在训练集中出现的频率较低，预测效果也较差。为了克服这两个 方面的缺点，本文提出要利用大规模医学知识图谱辅助诊断预测任务，并针对医 学知识图谱的特点和诊断预测任务场景，设计了一个状态感知的层次化关系注 意力神经网络，根据病人所处状态，有选择性地利用其中包含的医学知识。知识 图谱的引入不仅有效缓解了对标注数据的依赖，还可以通过注意力机制对预测 结果提供解释。本文提出的模型被设计成一个可插入式的通用模块，可以与各种 时序预测模型相结合。在两个公开数据集上的实验结果证明了提出的模型能提 高各类预测模型的预测效果，并优于现有的同样利用医学知识图谱的诊断预测 模型。消融实验也验证了模型设计的合理性和每个模块的有效性。