郑 毅，胡祥培

大连理工大学 经济管理学院，辽宁 大连 116023

引言

医疗信息技术的飞速发展及其在医疗健康领域的普及给医疗服务行业的运营模式带来重大变革，特别是疾病诊断决策支持领域首当其冲[1]。诊疗大数据的多源性、动态实时更新性和高度医学专业性等特征给智能临床决策支持(特别是疾病预测分析)带来前所未有的机遇和挑战，使实现个性化和精准化医疗成为可能[2]。而如何充分利用诊疗数据，化解其内在的复杂性和数据规模并提供临床诊断决策支持，是未来该领域研究的关键问题[3]。因此，智能临床决策支持中诊疗数据融合方法的研究是当前学术界和产业界共同关注的热点和难点问题[4-5]。

大量已有诊疗数据分析方法往往只使用单一数据源进行分析建模[6]，由于慢性病患者诊疗周期长，患者电子病历中检查项目的测量值随时间推移数据不断更新[7]，利用单一阶段的数据源进行疾病预测分析难以刻画指标的动态变化特征，致使分析方法准确性降低[8]。目前，多阶段的诊疗数据融合研究中关于不同阶段诊疗数据源时间关联性的刻画缺少科学、有效的方法，使疾病预测滞后、诊断准确性和实时性受到限制。因此，如何实现序列诊疗数据有效融合和分析、提高诊疗大数据分析能力、实现准确的疾病诊断是亟待解决的问题。

综上所述，已有的序列诊疗数据融合方法难以刻画不同阶段诊疗数据的时间关联性，使疾病诊断准确性和实时性降低。……