1.介紹

在人工智能技術(shù)飛速發(fā)展的當(dāng)下，基于人工智能方法的智慧醫(yī)療系統(tǒng)也逐漸吸引了大量研究人員的目光，計(jì)算機(jī)輔助的分診、診斷等應(yīng)用可以一定程度地緩解部分地區(qū)的醫(yī)療條件緊張問題，同樣可以為醫(yī)生的決策提供輔助參考。在數(shù)字化醫(yī)療系統(tǒng)的普及下，與病患相關(guān)的醫(yī)療數(shù)據(jù)，如電子醫(yī)療記錄、醫(yī)囑、生物化學(xué)檢測(cè)結(jié)果以及基因組信息也已經(jīng)基本實(shí)現(xiàn)電子化［1］，因此，通過數(shù)據(jù)挖掘、深度學(xué)習(xí)等方法對(duì)上述電子化信息進(jìn)行學(xué)習(xí)，進(jìn)而得到患者與患者之間的相似程度，是實(shí)現(xiàn)疾病判斷、病情預(yù)測(cè)以及精準(zhǔn)醫(yī)療（precision medicine）等應(yīng)用的重要的前提條件，且上述過程也受啟發(fā)于實(shí)際臨床中醫(yī)生的診療過程。病患相似度度量方法的流程大致如圖1，首先根據(jù)患者的數(shù)據(jù)信息進(jìn)行數(shù)據(jù)抽象化，并選擇合適算法與度量方法對(duì)抽象化結(jié)果進(jìn)行相似度評(píng)估，進(jìn)而將相似度結(jié)果應(yīng)用于相應(yīng)的下游任務(wù)中。

圖1 病患相似度分析工作的基本流程［3］

2.病患數(shù)據(jù)

病患相關(guān)數(shù)據(jù)是天然多模態(tài)（multi-modal）且異構(gòu)（heterogeneous）的，可能涵蓋文本信息（如病歷）、圖像信息（如CT影像）、時(shí)序信號(hào)信息（如心電圖）和數(shù)值信息（如血常規(guī)檢查結(jié)果）等等，從病患相似度的歷史研究中所包括的類型來看，一般可將病患數(shù)據(jù)分為以下五類［2］：

臨床數(shù)據(jù) Clinical data

分子數(shù)據(jù) Molecular data

圖像與生物信號(hào) Imaging and bio signals

實(shí)驗(yàn)室結(jié)果 Lab results

病患所述結(jié)果 Patient-reported outcomes

臨床數(shù)據(jù)包括電子病歷信息、醫(yī)保數(shù)據(jù)等；分子數(shù)據(jù)包括DNA信息、蛋白質(zhì)序列信息等；圖像與生物信號(hào)包括CT、MRI、心電圖等；實(shí)驗(yàn)室結(jié)果包括血液檢測(cè)結(jié)果、核酸抗體檢測(cè)結(jié)果等；病患所述結(jié)果包括患者出院后的回訪信息以及相關(guān)口述信息等。從形式上看，病患數(shù)據(jù)等的醫(yī)學(xué)相關(guān)數(shù)據(jù)都屬于縱向數(shù)據(jù)（longitudinal data），即數(shù)據(jù)來源于不同個(gè)體在不同時(shí)間節(jié)點(diǎn)測(cè)得的數(shù)據(jù)。

根據(jù)以上信息可知，病患數(shù)據(jù)特征一般有著較多的維度，每維特征的采樣次數(shù)與分辨率有所不同，且數(shù)據(jù)完備程度也不一樣［3］，因此病患數(shù)據(jù)中大多存在噪聲、異常數(shù)據(jù)以及數(shù)據(jù)缺失等問題。同時(shí)，由于患者在患病就醫(yī)后，病癥的減輕或加重都會(huì)導(dǎo)致患者的多次來訪和復(fù)檢，因此病患數(shù)據(jù)多為縱向數(shù)據(jù)，即數(shù)據(jù)來源于每個(gè)個(gè)體在不同時(shí)間點(diǎn)上的觀測(cè)值［4］。

3.病患相似度度量相關(guān)數(shù)據(jù)

3.1 UCI 數(shù)據(jù)集［5］

UCI數(shù)據(jù)集是機(jī)器學(xué)習(xí)社區(qū)中使用率很高的領(lǐng)域豐富的數(shù)據(jù)集倉庫，其中也涵蓋與醫(yī)學(xué)健康相關(guān)的數(shù)據(jù)集，相關(guān)數(shù)據(jù)也為病患相似度度量工作的數(shù)據(jù)來源，包括帕金森氏癥數(shù)據(jù)集［6］、心臟病數(shù)據(jù)集［7］、糖尿病數(shù)據(jù)集［8］、癌癥數(shù)據(jù)集［9］等等。

3.2 ADNI數(shù)據(jù)集［10］

ADNI（Alzheimer‘s Disease Neuroimaging Initiative）是一個(gè)通過生物標(biāo)記與臨床數(shù)據(jù)追蹤阿爾茲海默癥發(fā)展過程的縱向研究計(jì)劃，數(shù)據(jù)內(nèi)容包括臨床診斷、生物樣本、藥物使用歷史、基因組數(shù)據(jù)以及腦補(bǔ)成像數(shù)據(jù)，疾病的診斷工作每數(shù)月進(jìn)行一次并持續(xù)數(shù)年，研究對(duì)象被分為三組，分別為正常對(duì)照組、中度認(rèn)知障礙（MCI， Mild Cognitive Impairment）和阿爾茲海默癥患者（AD， Alzheimer’s Disease）。

3.3 SOF數(shù)據(jù)集［11］

SOF（Study of Osteoporotic Fracture）是一個(gè)長達(dá)二十余年的針對(duì)年長白人女性骨質(zhì)疏松病癥的醫(yī)院來訪縱向研究，研究旨在分析高齡白人女性患骨質(zhì)疏松的風(fēng)險(xiǎn)因素，研究對(duì)象被分為正常對(duì)照組、骨質(zhì)減少（osteopenia）以及骨質(zhì)疏松（osteoporosis）。

3.4 MIMIC數(shù)據(jù)集［12］

MIMIC-III（Medical Information Mart for Intensive Care III）是大規(guī)模的匿名化健康數(shù)據(jù)庫，包括了十余年間超過四千名患者在危重癥監(jiān)護(hù)病房的相關(guān)記錄，包括患者個(gè)人信息、生命體征監(jiān)測(cè)數(shù)據(jù)、實(shí)驗(yàn)室監(jiān)測(cè)數(shù)據(jù)、圖像報(bào)告等多種病患數(shù)據(jù)信息。

3.5 ICD-9-CM 編碼集［13］

ICD-9-CM（The international classification of disease， ninth revision， clinical modification） 是在臨床中將診斷結(jié)果編碼表示的一種官方標(biāo)準(zhǔn)，包括疾病編碼列表，疾病類型分類以及手術(shù)、診斷、診療手段分類系統(tǒng)。

4.深度病患相似度學(xué)習(xí)［14］

圖2 患者數(shù)據(jù)樣例（橫軸為病患來訪醫(yī)院序列，縱軸為醫(yī)療事件對(duì)應(yīng)的ICD9編碼）

Suo等人［14］于2018年在IEEE TRANSACTIONS ON NANOBIOSCIENCE上發(fā)表了一種基于深度學(xué)習(xí)的病患相似度學(xué)習(xí)方法，模型分為兩個(gè)模塊，分別是表示學(xué)習(xí)和相似度學(xué)習(xí)。病患數(shù)據(jù)是由代表醫(yī)療相關(guān)事件對(duì)應(yīng)的ICD編碼形成的獨(dú)熱編碼矩陣，如圖2，每名患者對(duì)應(yīng)一個(gè)矩陣，橫軸代表患者來訪醫(yī)院的時(shí)間序列，縱軸為醫(yī)療事件對(duì)應(yīng)的ICD9編碼，若患者患有疾病或有相關(guān)癥狀，則矩陣對(duì)應(yīng)位置為1。在表示學(xué)習(xí)中，作者通過全連接層將患者的高維稀疏獨(dú)熱向量矩陣映射到低維稠密空間，并依托卷積神經(jīng)網(wǎng)絡(luò)捕捉病患信息的連續(xù)的時(shí)序特征；對(duì)于相似度學(xué)習(xí)，作者使用基于softmax的有監(jiān)督分類方法并通過triplet loss使每兩個(gè)患者對(duì)相似的患者距離更近而不相似的患者距離更遠(yuǎn)，以此在患者聚類任務(wù)上實(shí)現(xiàn)較好的效果。

圖3 模型結(jié)構(gòu)

5.病患相似度度量的可解釋性

在各種病患相似度度量方法被初步探索后，在真實(shí)的使用場景下，醫(yī)療相關(guān)從業(yè)人員在關(guān)注模型的性能的同時(shí)，更加關(guān)注模型輸出結(jié)果過程中的透明度和可解釋性。Huai等人［15］因此在BIBM 2020提出了一種為所學(xué)習(xí)到的病患相似度模型行為提供全局解釋的模型無關(guān)的方法。一般來說，病患相似度的研究工作可能包括數(shù)十種特征，作者認(rèn)為通過篩選選擇眾多特征中數(shù)量最少且足以解釋模型判斷結(jié)果的特征子集作為解釋模型判斷的依據(jù)可以很好地為實(shí)際場景下的相關(guān)人員提供參考。對(duì)于數(shù)據(jù)集中的患者個(gè)體，每兩個(gè)患者間即可計(jì)算一次相似度，相似度結(jié)果一般為相似或相異，而當(dāng)隨機(jī)減少數(shù)據(jù)集中的特征數(shù)量后重新計(jì)算每兩個(gè)患者間的相似度，結(jié)果會(huì)產(chǎn)生一定的變化，而通過量化評(píng)估這一變化即可評(píng)價(jià)去除的特征的重要性，并以此作為該特征在度量病患間相似度時(shí)的貢獻(xiàn)程度。

6.病患數(shù)據(jù)安全

在數(shù)據(jù)驅(qū)動(dòng)的病患相似度度量方法不斷發(fā)展的同時(shí)，方法背后所使用數(shù)據(jù)的安全性也逐漸成為了患者、醫(yī)療機(jī)構(gòu)以及相關(guān)監(jiān)管部門關(guān)心的話題，同時(shí)很多醫(yī)療機(jī)構(gòu)出于對(duì)患者個(gè)人信息的保護(hù)，不愿將敏感的醫(yī)療相關(guān)數(shù)據(jù)對(duì)研究人員開放，在這種背景下，在不訪問所有人數(shù)據(jù)的前提下進(jìn)行模型學(xué)習(xí)成為了解決這一數(shù)據(jù)安全問題的前提。Huai等人［16］在SDM 2018上，在提出不相關(guān)特征提取模型的前提下，還考慮了上述數(shù)據(jù)安全問題，進(jìn)而提出了分布式病患相似度度量模型，即分布在不同地點(diǎn)的數(shù)據(jù)在進(jìn)行度量模型學(xué)習(xí)時(shí)，只將學(xué)習(xí)得到的參數(shù)上傳學(xué)習(xí)器，而學(xué)習(xí)器通過對(duì)全局參數(shù)進(jìn)行優(yōu)化迭代將結(jié)果回傳至每個(gè)節(jié)點(diǎn)進(jìn)行迭代直至全局收斂。Xu等人［17］在AAAI 2019的工作中將聯(lián)邦學(xué)習(xí)（Federated Learning）方法引入病患相似度度量工作，實(shí)現(xiàn)在數(shù)據(jù)本地保存的同時(shí)完成模型的訓(xùn)練，并通過最小化相似度留存損失以及異質(zhì)信息損失進(jìn)而同時(shí)保留同類與異類數(shù)據(jù)間的關(guān)系。
編輯：lyn