李 怡，楊 丹

（遼寧科技大學(xué) 計算機與軟件工程學(xué)院，遼寧 鞍山 114051）

病人相似性［1］是利用病人的醫(yī)療實體作為特征進(jìn)行學(xué)習(xí)，把具有相似特征的病人劃分為一個病人相似組。正確識別具有相似臨床特征的病人可以為診斷和用藥提供臨床參考。因此，有效利用醫(yī)療實體提高病人相似性度量的精準(zhǔn)性，對提升醫(yī)療服務(wù)水平，推動個性化醫(yī)療建設(shè)具有重要意義。

圖神經(jīng)網(wǎng)絡(luò)（Graph neural networks，GNN）［2］能夠很好地處理像醫(yī)療這樣復(fù)雜的數(shù)據(jù)，通過聚合鄰居信息有效學(xué)習(xí)節(jié)點的向量表示。但圖神經(jīng)網(wǎng)絡(luò)研究大部分是基于半監(jiān)督學(xué)習(xí)，需要大量的節(jié)點標(biāo)簽，現(xiàn)實生活中獲取節(jié)點標(biāo)簽費時費力，且大部分圖神經(jīng)網(wǎng)絡(luò)通過構(gòu)建鄰接矩陣來表示學(xué)習(xí)并不能充分學(xué)習(xí)到結(jié)構(gòu)和語義信息。而自監(jiān)督對比［3］無需標(biāo)簽也可以學(xué)習(xí)有意義的節(jié)點向量表示，利用不同的對比視圖提取節(jié)點正樣本與負(fù)樣本，最大程度上使正樣本相近而負(fù)樣本相遠(yuǎn)，這樣不僅能夠充分挖掘數(shù)據(jù)中結(jié)構(gòu)和語義信息，也無需依賴標(biāo)簽。但將自監(jiān)督對比學(xué)習(xí)應(yīng)用于圖神經(jīng)網(wǎng)絡(luò)以提高病人向量的精準(zhǔn)性，還需要解決兩個問題：（1）電子病歷（Electronic medical record，EMR）［4］中含有多種類型的節(jié)點，節(jié)點間含有豐富的結(jié)構(gòu)信息及語義信息，將這些節(jié)點嵌入低維向量空間具有一定挑戰(zhàn)性。（2）僅通過圖神經(jīng)網(wǎng)絡(luò)來聚合節(jié)點信息還遠(yuǎn)遠(yuǎn)不夠，還要考慮節(jié)點間存在一致及差異的特點，學(xué)習(xí)節(jié)點間復(fù)雜的相關(guān)性。

針對上述問題，本文提出基于自監(jiān)督對比學(xué)習(xí)的病人相似性框架SCO4PS。該框架首先從EMR 中構(gòu)建醫(yī)療屬性異構(gòu)信息網(wǎng)絡(luò)［5］，保留數(shù)據(jù)間豐富的異構(gòu)關(guān)系，從中選取藥物視圖和程序視圖，通過圖卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)兩個病人特征表示。然后利用自監(jiān)督對比機制進(jìn)行視圖內(nèi)與視圖間的對比學(xué)習(xí)，捕獲視圖中病人節(jié)點表示的相互關(guān)聯(lián)、互補的關(guān)系信息，提高圖編碼后的效果。最后，將病人向量表示輸入到相似性度量函數(shù)中進(jìn)行病人相似性計算。

1 病人相似性度量

1.1 基于機器學(xué)習(xí)的病人相似性

傳統(tǒng)的病人相似性方法一般是通過機器學(xué)習(xí)進(jìn)行病人相似性研究。例如，Huang等［6］提出一種基于Jaccard系數(shù)和歐氏距離的病人相似性度量方法，以此建立預(yù)測模型，用于糖尿病的預(yù)測。Lee等［7］利用基于余弦的病人相似度度量來測量病人間的相似性，通過識別和分析過去相似的病人來構(gòu)建動態(tài)個性化決策支持系統(tǒng)。王妮等［8］提出基于半監(jiān)督學(xué)習(xí)的病人相似性度量，并與傳統(tǒng)的歐氏距離和余弦距離結(jié)果進(jìn)行比較，證明所提出的病人相似性度量方案的有效性。Chan等［9］使用支持向量機進(jìn)行病人相似性加權(quán)，以此進(jìn)行相似性分析。Sun 等［10］提出局部監(jiān)督度量學(xué)習(xí)的病人相似性方法，通過調(diào)整距離找到相似病人。然而，機器學(xué)習(xí)應(yīng)用于病人相似性研究具有一定的局限性，既未充分利用各種類型的醫(yī)療數(shù)據(jù)，也未有效學(xué)習(xí)醫(yī)療數(shù)據(jù)中豐富的結(jié)構(gòu)及語義信息。

1.2 基于圖神經(jīng)網(wǎng)絡(luò)的病人相似性

圖神經(jīng)網(wǎng)絡(luò)通過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)圖結(jié)構(gòu)數(shù)據(jù)，對圖中相鄰節(jié)點信息進(jìn)行傳播和聚合，能夠很好地處理像醫(yī)療這樣節(jié)點類型多樣且復(fù)雜的數(shù)據(jù)。因此，圖神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于醫(yī)療領(lǐng)域并取得了不錯的成果。例如，Huang等［11］提出一種利用患者疾病和藥物數(shù)據(jù)的患者相似度計算方法，通過注釋異構(gòu)信息網(wǎng)絡(luò)建立模型，并使用S-PathSim來衡量患者的相似性。Gu等［12］提出一種新的深度學(xué)習(xí)框架SSGNet，將電子病歷構(gòu)建成圖來學(xué)習(xí)節(jié)點嵌入和節(jié)點間的相似性，并優(yōu)化病人的圖結(jié)構(gòu)，增強模型容量進(jìn)行病人相似性學(xué)習(xí)，減少病人間潛在關(guān)系的稀疏性給相似性帶來的困難。Wei 等［13］提出一個端到端鑒別學(xué)習(xí)框架SparGE，通過聯(lián)合稀疏編碼和圖嵌入來度量相似性。Sun 等［14］提出一種新的基于深度學(xué)習(xí)的動態(tài)患者相似性分析模型，用于計算病人相似性。

2 病人相似性框架SCO4PS

SCO4PS框架主要分為三部分：第一部分為病人的醫(yī)療屬性異構(gòu)信息網(wǎng)絡(luò)構(gòu)建，第二部分為病人的多視圖對比學(xué)習(xí)模塊，第三部分為病人相似性度量模塊?？蚣芙Y(jié)構(gòu)如圖1所示。

圖1 基于自監(jiān)督對比學(xué)習(xí)的病人相似性框架圖Fig.1 Patient similarity framework based on self-supervised contrastive learning

2.1 病人的醫(yī)療異構(gòu)信息網(wǎng)絡(luò)構(gòu)建

從EMR 中提取病人實體及病人相關(guān)的醫(yī)療實體（藥物、程序），構(gòu)建病人的醫(yī)療屬性異構(gòu)信息網(wǎng)絡(luò)。該網(wǎng)絡(luò)由病人P={p1,p2,…}，藥物D={d1,d2,…}，程序T={t1,t2,…}三類節(jié)點組成，有病人-程序、病人-藥物兩條類型邊，同時每個病人包含一段醫(yī)療文本作為病人屬性，該文本描述病人的年齡、性別、手術(shù)情況、用藥情況等基本信息。

2.2 病人的多視圖對比學(xué)習(xí)

從病人的醫(yī)療屬性異構(gòu)信息網(wǎng)絡(luò)中提取藥物視圖及程序視圖進(jìn)行多視圖學(xué)習(xí)。多視圖學(xué)習(xí)是基于病人不同的視圖來捕獲視圖間相互關(guān)聯(lián)、互補的關(guān)系信息以及自身的信息，使用自監(jiān)督對比學(xué)習(xí)來平衡不同視角學(xué)習(xí)特征，從而得到更準(zhǔn)確的病人節(jié)點表示。

2.2.1 元路徑視圖 藥物視圖和程序視圖內(nèi)部又劃分為元路徑視圖和網(wǎng)絡(luò)模式視圖，如圖1 中a和b 所示，元路徑視圖能夠聚合高階的結(jié)構(gòu)信息，可以學(xué)習(xí)到二階或者更高階的信息。在病人的醫(yī)療屬性異構(gòu)信息網(wǎng)絡(luò)中，兩個節(jié)點可以通過不同的語義路徑進(jìn)行連接，稱為元路徑。

給定一條元路徑Rn∈{R1,R2}，其中R1和R2分別表示病人-藥物-病人元路徑和病人-程序-病人元路徑，以病人目標(biāo)節(jié)點i開始，得到基于元路徑的鄰居。而后，通過聚合鄰居信息學(xué)習(xí)其不同語義及其相關(guān)性，使用特定元路徑的圖卷積神經(jīng)網(wǎng)絡(luò)（Graph convolutional networks，GCN）來編碼聚合，計算式

式中：di，dj是節(jié)點i，j 的度；pi，pj是節(jié)點i，j的投影特征；pRni表示元路徑Rn下病人pi的嵌入表示，

2.2.2 網(wǎng)絡(luò)模式視圖 網(wǎng)絡(luò)模式視圖通過節(jié)點間的直接聚合，學(xué)習(xí)病人的一階鄰居信息，考慮病人異構(gòu)信息網(wǎng)絡(luò)中的局部結(jié)構(gòu)信息。病人目標(biāo)節(jié)點i連接不同類型鄰居Φs∈{Φ1,Φ2}，其中Φ1={d1,d2,…,dm}表示藥物類型節(jié)點，Φ2={t1,t2,…,tm}表示程序類型節(jié)點，目標(biāo)節(jié)點通過Φs類型連接的鄰居節(jié)點被定義為NiΦs。通過聚合這些一階節(jié)點學(xué)習(xí)病人的局部結(jié)構(gòu)特征，采用GCN聚合方法，計算式

式中：pj為節(jié)點j的投影特征；為聚合不同類型節(jié)點后病人pi的嵌入表示。

2.2.3 視圖注意力聚合 分別得到藥物視圖下的病人嵌入表示和，以及程序視圖下的病人嵌入表示和后，對元路徑視圖和網(wǎng)絡(luò)模式視圖進(jìn)行視圖注意力聚合學(xué)習(xí)兩個視圖的重要性，得到最終的嵌入表示zi

其中，βΦs和βRn分別表示Φs類型鄰居和元路徑Rn對目標(biāo)節(jié)點i的重要性，以βΦs為例，其計算式

其中，V表示目標(biāo)節(jié)點集，W∈Rd×d，b∈Rd×1是可學(xué)習(xí)參數(shù)，a是視圖級注意向量。

2.2.4 視圖間對比學(xué)習(xí) 通過編碼聚合分別學(xué)習(xí)到藥物視圖和程序視圖的最終病人嵌入表示zdrugi和zproi后，將它們輸入到含有隱藏層的多層感知器中，以此將它們映射到對比損失空間中

式中：W2，W1，b2，b1為可學(xué)習(xí)參數(shù)，在兩個視圖中共享；σ表示RELU激活函數(shù)。

在計算對比損失函數(shù)時需要進(jìn)行正負(fù)樣本的選擇，且異構(gòu)信息網(wǎng)絡(luò)中兩個節(jié)點之間連接數(shù)越多，越能說明這兩個節(jié)點高度相關(guān)。因此，如果兩個病人節(jié)點間由多個醫(yī)療實體連接，那么把這類節(jié)點設(shè)為正樣本，其他則為負(fù)樣本。假設(shè)有目標(biāo)病人節(jié)點i與病人節(jié)點j，定義一個函數(shù)Ci(j)統(tǒng)計兩個病人節(jié)點連接醫(yī)療實體的總數(shù)，計算式為

設(shè)置一個正樣本閾值Kpos，若Ci(j)>Kpos，則為正樣本，記作K+ ，否則為負(fù)樣本記作K- 。目標(biāo)節(jié)點病人Pi與Pj共同使用的醫(yī)療實體（藥物、程序）個數(shù)超過所設(shè)定的閾值Kpos，那么病人Pj就是病人Pi的正樣本，如圖2所示。

圖2 正樣本閾值設(shè)定Fig.2 Threshold setting of positive samples

選好正負(fù)樣本后，進(jìn)行藥物視圖和程序視圖間的對比學(xué)習(xí)，計算藥物視角下的對比損失

同理把程序視圖作為目標(biāo)嵌入，從藥物視圖中選取正負(fù)樣本，得到在程序視角下的對比損失Lpro。

將藥物視角下的對比損失和程序視角下的對比損失結(jié)合，得到視圖間的對比損失Linter，這樣既保留了藥物視圖與程序視圖之間的相關(guān)性，也以此實現(xiàn)跨視圖自監(jiān)督對比學(xué)習(xí)。

式中：V表示節(jié)點集合；α是平衡兩個視圖的超參數(shù)，這里將α設(shè)置為0.5。

2.2.5 視圖內(nèi)對比學(xué)習(xí) 視圖內(nèi)對比學(xué)習(xí)僅考慮單個視圖本身，從自身選取正負(fù)樣本進(jìn)行學(xué)習(xí)，以此保留自身結(jié)構(gòu)及語義信息，具體計算式

其中，Kdrug+表示在藥物視圖內(nèi)選取的正樣本；Kdrug-表示在藥物視圖內(nèi)選取的負(fù)樣本；sim（·）計算視圖內(nèi)兩個病人間的相似度。

程序視圖的對比損失與藥物視圖對比損失計算方法相同，由此分別得到兩個視圖自身的對比損失和。為了最終全面學(xué)習(xí)視圖內(nèi)和視圖間的病人表示，計算多視圖編碼模型優(yōu)化整體損失L

其中，β是平衡不同損失函數(shù)的超參數(shù)，在實驗過程中對β使用不同數(shù)值進(jìn)行測試，通過實驗證明參數(shù)β為0.5時模型效果最好。

2.3 病人相似性度量

將模型優(yōu)化后得到的藥物視圖病人表示和程序視圖病人表示相融合，得到病人的低維向量表示，以此進(jìn)行病人相似性度量。

病人相似性度量通過病人間兩相比較，病人的特征向量由藥物、程序、醫(yī)療文本組合而成。給定一個目標(biāo)病人，通過將病人的嵌入向量輸入到相似性度量函數(shù)中，以此計算目標(biāo)病人與其他病人的相似度。相似度越高，說明兩位病人間具有相同標(biāo)簽的可能性越高；反之，說明病人之間具有不同標(biāo)簽的可能性越高。病人Pi和病人Pj的相似度記作

其中，ZP表示病人的嵌入向量。

3 實驗結(jié)果及分析

為了評估SCO4PS 在病人疾病分類任務(wù)中的效 果，將SCO4PS 與Metapath2Vec、GCN、GAT（Graph attention networks）、HAN（Heterogeneous graph attention network）方法進(jìn)行對比實驗。

3.1 數(shù)據(jù)集

MIMIC-Ⅲ（Medical information mart for intensive care Ⅲ）［15］是一個免費向公眾開放的重癥監(jiān)護(hù)醫(yī)學(xué)信息的大型數(shù)據(jù)集。本文從數(shù)據(jù)集中提取出呼吸衰竭（Respiratory failure）、冠心?。–oronary disease）、心臟?。℉eart failure）、敗血癥（Septicemia）、胃炎（Gastritis）這5類疾病后，從患有這些疾病的病人中提取出藥物、程序以及病人的醫(yī)療文本數(shù)據(jù)。對這些數(shù)據(jù)進(jìn)行缺失值處理，將預(yù)處理后的數(shù)據(jù)用于后續(xù)實驗。

3.2 參數(shù)設(shè)置

對比模型Metapath2vec 的窗口大小設(shè)為5，行走長度為100，每個節(jié)點的行走長度為40，負(fù)樣本數(shù)量為5。所有模型的學(xué)習(xí)率統(tǒng)一設(shè)為0.001，Drouput 為0.5，采用Adam 優(yōu)化器，嵌入維度為128。SCO4PS的藥物視圖和程序視圖都使用兩層GCN。

3.3 疾病分類

將SCO4PS 與其他基線模型得到的病人節(jié)點向量作為病人分類器的輸入，進(jìn)行病人疾病分類任務(wù)。采用宏觀F1（Macro-F1）、準(zhǔn)確率（Accuracy）作為分類任務(wù)的評價指標(biāo)，結(jié)果如表1 所示。SCO4PS 各指標(biāo)都優(yōu)于其他方法，其準(zhǔn)確率為0.879，F(xiàn)1 值為0.850。HAN 模型各指標(biāo)次之。因為SCO4PS考慮了節(jié)點間的異構(gòu)性，能夠更好地保留異構(gòu)圖中豐富的語義及其相關(guān)性，因此要優(yōu)于同構(gòu)圖GCN 和GAT；同時，通過自監(jiān)督對比學(xué)習(xí)的預(yù)訓(xùn)練提取了豐富的語義及結(jié)構(gòu)信息，最終效果優(yōu)于HAN。節(jié)點特征對下游任務(wù)起著至關(guān)重要的作用，因此通過圖神經(jīng)網(wǎng)絡(luò)訓(xùn)練節(jié)點特征要優(yōu)于隨機游走的模型Metapath2vec。

表1 疾病分類Tab.1 Disease categories

3.4 病人聚類

聚類分析可以觀察到不同疾病分布情況。將SCO4PS 與其他基線模型進(jìn)行聚類對比，采用蘭德指數(shù)（RI）、純度（Purity）、標(biāo)準(zhǔn)化互信息（NMI）三個聚類指標(biāo)對病人聚類任務(wù)進(jìn)行評估，結(jié)果如圖3所示。

圖3 病人聚類分析結(jié)果Fig.3 Clustering analysis results of patients

SCO4PS 在各指標(biāo)中都優(yōu)于其他基線模型。SCO4PS 的NMI指標(biāo)為0.716，比HAN 高出2.1%，比GAT 模型高出2.7%，比Metapath2vec 高出10.5%，比GCN高出11.8%。SCO4PS的RI指標(biāo)和Purity指標(biāo)分別為0.796 和0.879，其他基線的RI指標(biāo)和Purity指標(biāo)分別為0.689、0.717、0.743、0.759和0.823、0.827、0.853、0.855。這說明從多視圖中能夠更有效地學(xué)習(xí)異構(gòu)圖中病人的節(jié)點表示，并且通過自監(jiān)督對比學(xué)習(xí)能夠提取病人節(jié)點豐富的語義和結(jié)構(gòu)信息，進(jìn)一步提高病人的聚類效果。

4 結(jié) 論

本文提出一個通過自監(jiān)督對比學(xué)習(xí)來捕獲異構(gòu)信息網(wǎng)絡(luò)中病人的局部結(jié)構(gòu)信息和豐富的異構(gòu)語義及其相關(guān)性的病人相似性框架SCO4PS。首先構(gòu)建藥物視圖和程序視圖，對兩個視圖進(jìn)行編碼后，通過兩個視圖提取到的病人正負(fù)樣本進(jìn)行視圖內(nèi)對比學(xué)習(xí)及視圖間對比學(xué)習(xí)，使視圖能夠?qū)W習(xí)自身信息的同時也能夠互相交互監(jiān)督，以此進(jìn)一步學(xué)習(xí)到病人的節(jié)點嵌入表示，最后將學(xué)習(xí)到的病人表示輸入到病人相似度量函數(shù)中計算病人相似性。與其他基線模型在MIMIC-III 數(shù)據(jù)集中進(jìn)行對比實驗，SCO4PS 指標(biāo)均好于其他模型，表明本文提出的病人相似性框架的有效性。