【医学数据融合文本方向 思路整理】

Scalable and accurate deep learning for electronic health records【2018】
本论文在于介绍 Google Medical Brain 项目的目标、方法和规划。
思路：
用病情描述，预测疾病诊断，预测死亡率
用病情描述加治疗方案，预测复诊率和住院天数等等
参考链接：博客

基于无监督的EHR研究进展 2021
思路：
开发基于无监督的通用异构信息处理框架，从而最大程度地利用EHR信息，促进EHR研究。

Deep patient: An unsupervised representation to predict the future of patients from the electronic health records 【2016 Scientific Reports】无监督EHR预测患者未来健康

我们保留了一些基本的人口统计详细信息（即年龄，性别和种族），以及以结构化格式提供的常见临床描述符，例如诊断（ICD-9代码，药物，程序和实验室测试，以及在拆分点之前记录的自由文本临床注释）使用开放式生物医学注释器对所有临床记录进行预处理，以获取用于程序和实验室测试，基于品牌名称和剂量的标准化药物，以及从自由文本注释中提取临床概念。

Clinical Intervention Prediction and Understanding with Deep Neural Networks【2017 PMLR】