黄兆孟，徐 旭，张立言

(南京航空航天大学 计算机科学与技术学院,南京 210016)

1 引 言

近年来，电子病历系统在全国迅速普及应用，已经在患者信息归档和计费统计等医院行政任务方面发挥了巨大的积极的作用.与此同时，这些电子病历系统中记录了各种临床信息，这为进一步开发利用临床医疗数据提供了数据支撑，医疗数据挖掘与分析[1]这一新兴领域因此快速发展.

1.1 动 机

医疗数据挖掘与分析涉及多个领域，事实上，电子病历系统中的数据已经成功应用于疾病检测与分类、表型分析、信息提取、数据增强、数据隐私保护、临床事件顺序预测等多个临床应用类型的任务[2].在这分析任务中，临床事件的顺序预测[3]是一项重要的任务，该任务基于过去的纵向医疗事件序列来预测未来的临床事件，例如药物处方的预测等.

本文旨在开发一种治疗引擎，它可以对病患的多种历史住院信息建模，以自动预测病人下一个疗程的治疗药物处方.该想法是通过学习隐藏在大规模数据中的知识来预测下一期处方，包括人口统计学，疾病状况，实验室结果，诊断和患者的历史治疗记录.该引擎利用资深医生提供的治疗记录和满意治疗结果患者的EMRs提供的知识，不仅可以提高医疗效率，还可以通过引导所有医生避免意外故障，做出明智的临床决策，从而提高医疗质量 .

1.2 挑 战

然而，建立这样一个治疗引擎并不容易，临床的电子系统数据具有时间性……