吴宗友 白昆龙 杨林蕊 王仪琦 田英杰

1(中国科学院大学经济与管理学院 北京 100049) 2(中国科学院大学计算机与科学技术学院 北京 100049) 3(中国科学院虚拟经济与数据科学研究中心(中国科学院大学) 北京 100190) 4(中国科学院大数据挖掘与知识管理重点实验室(中国科学院大学) 北京 100190) 5(中国科学院大学中丹学院 北京 100049)

(bossbit@126.com)

在过去的几十年里，互联网信息技术蓬勃发展，使得数据的管理与传输变得更为高效，同时医疗机构也构建了大量的电子病历信息库.在众多的现代化医疗数据中，电子病历数据是最重要的医疗数据资源之一.每天都有海量的电子病历数据在各级医院产生，形成了医疗大数据的重要组成部分.电子病历以患者为主体，比较完整地记录患者长期的医疗信息，并且经过计算机技术的整理、储存、共享和分析，是纸质病历的升级版本.电子病历的特性使得相关信息库中同时包含着结构化数据和非结构化数据，结构化数据如表格数据，非结构化数据如文本数据和医学图像等.

对电子病历进行数据挖掘有巨大的应用前景，然而电子病历数据量大、非结构化数据多的特点使得数据挖掘十分困难.虽然早期部分研究人员利用一些简单的电子病历数据挖掘方法如决策树[1]等辅助诊断，但是由于技术和方法的限制，对医疗数据的信息挖掘效果十分有限.而近年来，机器学习和深度学习在其他领域展现的巨大潜力给电子病历的挖掘……