近日，我中心王晓黎教授课题组的最新研究成果“MHGRL: An Effective Representation Learning Model for Electronic Health Records”被自然语言处理学术会议COLING2024（CCF-B）录用。该工作由我中心2022级硕士生刘菲艳，王晓黎教授，苏劲松教授合作完成。该项工作得到了美柚人工智能实验室项目和福建省自然科学基金项目（No. 2021J01003）支持。
随着电子病例（EHR）数量的增加，深度学习方法在医疗诊断、再入院预测、药物推荐等多个领域展现出了令人瞩目的性能。有效的EHR表示对于在这些任务中取得高性能至关重要。但是，在有效利用多样的外部信息进行EHR表示学习方面仍然存在挑战。鉴于此，我们提出了一种多模态异构图（MHG）来建模EHR，同时考虑内部结构和外部知识信息。此外，我们提出了一种多模态异构图增强表示学习模型MHGRL，以整合来自MHG的结构和多模态信息，生成有效的EHR表征，为下游任务提供基础。本工作在两个广泛使用的公开的EHR数据集上进行了详尽的实验，结果显示，我们的方法在EHR表示学习任务中表现出了显著的性能。
