作者：哈工大SCIR王昊淳
1.介绍
在人工智能技术飞速发展的当下，基于人工智能方法的智慧医疗系统也逐渐吸引了大量研究人员的目光，计算机辅助的分诊、诊断等应用可以一定程度地缓解部分地区的医疗条件紧张问题，同样可以为医生的决策提供辅助参考。在数字化医疗系统的普及下，与病患相关的医疗数据，如电子医疗记录、医嘱、生物化学检测结果以及基因组信息也已经基本实现电子化[1]，因此，通过数据挖掘、深度学习等方法对上述电子化信息进行学习，进而得到患者与患者之间的相似程度，是实现疾病判断、病情预测以及精准医疗（precisionmedicine）等应用的重要的前提条件，且上述过程也受启发于实际临床中医生的诊疗过程。病患相似度度量方法的流程大致如图1，首先根据患者的数据信息进行数据抽象化，并选择合适算法与度量方法对抽象化结果进行相似度评估，进而将相似度结果应用于相应的下游任务中。
图1病患相似度分析工作的基本流程[3]
2.病患数据
病患相关数据是天然多模态（multi-modal）且异构（heterogeneous）的，可能涵盖文本信息（如病历）、图像信息（如CT影像）、时序信号信息（如心电图）和数值信息（如血常规检查结果）等等，从病患相似度的历史研究中所包括的类型来看，一般可将病患数据分为以下五类[2]：
临床数据Clinicaldata分子数据Moleculardata图像与生物信号Imagingandbiosignals实验室结果Labresults病患所述结果Patient-reportedout