基于机器学习的临床事件预测优化

王晓勇

（首都经济贸易大学，北京 100071）

1 引言

计算机与信息技术的快速发展，使得当今社会的信息呈指数级增长，而如何从这些海量信息中挖掘有价值的信息服务于医疗系统，成为现阶段各界科研人员的焦点。流程挖掘（Process Mining），作为一种从事件日志（Event Log）中提取有价值信息的技术，是业务流程管理（BPM）领域方法的补充。流程挖掘利用现有的数据挖掘技术，对事件日志进行提取处理，建立相关流程模型加以分析，旨在获取流程中有价值的信息，从而改进优化业务流程。这对企业提高效率、降低成本、优化路径，进而扩大经济效益有很大的意义。

近些年来，在众多流程挖掘领域的研究方向中，预测业务流程活动的研究逐渐成为应用比较广泛的方向。其主要原因在于：流程挖掘、深度学习和自然语言处理技术等多个领域研究的快速发展和学科交叉，带动了业务流程活动预测方向的研究。医疗过程日志中包含着丰富的患者信息、检查检验信息、医嘱信息、住院信息等有价值的数据。医生对于病人的诊疗决策是基于自己的知识、经验做出的。但一些基层医疗单位的医生没有三甲医院的医生那么丰富的经验或者先进的医疗条件，从而限制了医生诊断的准确度。

本文的方法是通过构建一个基于改进的LSTM 结构神经网络的预测模型，去预测某一病种临床路径的下一个诊疗活动。而对临床诊疗中下一个诊疗活动的预测，更具体地说，等同于在整个文本内对一句话中下一个单词的预测，通过将流程事件日志解释为文本，痕迹处理解释为句子，事件处理解释为单词，来一步一步预测未来的流程活动事件。……