A multi-scale temporal hypergraph neural topic model for treatment pattern mining

Xin Min

doi:10.1016/j.ipm.2026.105180

A multi-scale temporal hypergraph neural topic model for treatment pattern mining

2026-09-24

0

PRE

AI

张鹏飞 (Pengfei Zhang) *

DOI：10.1016/j.ipm.2026.105180

原文链接

原文求助

摘要

En 中文

电子健康记录（EHR）的广泛应用为模拟真实世界治疗模式提供了机会，但现有方法往往难以同时捕捉同一阶段内的治疗组合及其随时间的演变。我们提出了一种统一的框架——时序超图神经主题模型（THNTM），其核心创新在于一个联合生成过程，可同时模拟治疗主题、其结构共现性以及时序演变，并给出了其泛化隐含狄利克雷分配（LDA）的正式证明。THNTM通过整合神经主题建模与多尺度时序超图学习来实现这一目标。THNTM首先在多个时间尺度上构建患者特定的超图，编码同时存在的治疗组合及其时间顺序，然后联合学习可解释的治疗模式并模拟患者在这些模式中的轨迹。在包含超过16万患者轨迹的三个公开数据集上，THNTM始终优于当前最佳基线模型，在主题连贯性上实现最高19.3%的相对提升，在临床相关性上实现3.6%至5.7%的相对提升，同时保持高主题多样性。消融研究证实了每个模型组件的贡献，完整模型在标准主题模型基础上提升了53.2%的NPMI。THNTM为挖掘具有临床意义、结构化的治疗路径以支持决策提供了稳健的方法。

Keyword:

Topic modeling

Treatment pattern mining

Multi-scale hypergraph

Temporal analysis

Clinical decision support

A multi-scale temporal hypergraph neural topic model for treatment pattern mining

摘要

期刊

机构

引用论文