贾 峥 宗瑞杰 段会龙 李昊旻

1(浙江大学生物医学工程与仪器科学学院，杭州 310027)2(青岛市中心血站，山东 青岛 266071)3(浙江大学医学院附属儿童医院，杭州 310052)4(浙江大学转化医学研究院，杭州 310029)

引言

提前而且精准地预测患者未来的疾病发展健康状态有助于疾病预防、早期诊断和及时干预等，不但可以控制高额医疗成本的增长，同时可以避免或减缓许多人的疾病困扰，因此具有重要的社会价值和科学意义。以往，医生主要依据经验来判断患者未来病情发展；但是，临床技术的日新月异与医学知识的爆炸式增长带来了更加纷繁复杂的临床数据和临床决策环境，临床工作者单纯依靠人脑来应对新的条件下的患者预测变得越来越困难。医疗大数据的积累为通过医疗数据挖掘来预测患者病情提供了新的基础依据[1]，将促使医疗保健从基于熟练的艺术(proficiency-based art)发展为数据驱动的科学(data-driven science)[2]，从“千人一方”转向“个性化治疗”，从“治已病”的被动模式逐渐发展至“治未病”的主动模式[3]。

目前，基于医疗大数据的预测方法尚处于百家争鸣阶段，主要可以划分为两类(见图1)：一类是基于数据来训练生成预测模型(predictive model)[4-6]，即针对特定目的，基于有监督的机器学习方法，如分类、回归、深度神经网络等，生成训练模型，预测未知患者的临床事件；另一类是通过衡量患者之间的距离，建立患者相似组，并通过相似组的特征来预测目标患者的情况，这被称为患者相似性(patient similarity)分析[7-11]。具体来说，患……