融合表示学习和知识图谱推理的糖尿病及并发症预测方法

来源：电子与信息学报杂志2026年第3期北京时间：

作者：王宇翱, 黄叶琪, 李青远, 刘云, 景慎旗, 单涛, 郭永安

单位：1.南京邮电大学智能信息处理与通信技术省高校重点实验室 南京 2100032.江苏省人民医院信息处 南京 210029

摘要：糖尿病及其发并发症的联合预测对于降低慢性病危害、改善患者预后具有重要意义。然而，现有预测方法面临数据异构性和稀疏性、实体关系复杂以及疾病与医学概念间高阶关联难以精确捕捉等挑战，限制了预测准确性和多病症识别能力。针对上述问题，该文提出一种基于表示学习与知识图谱推理的糖尿病及其并发症预测模型(REKG-MDP)。通过整合电子健康记录与医学补充知识构建医疗知识图谱，在患者侧完善个人基本信息、检查指标及现病史，在疾病侧补充疾病共病信息、多发人群、常见病因及诊断依据，从而缓解数据稀疏性与异构性问题。综合考虑对称、反对称、反转和组合4种关系连接模式，并设计层次化注意力机制与图卷积网络相结合的推理模块，在全局和局部动态调整邻居节点权重，有效聚合多阶邻居信息并捕捉高阶语义关系。基于MIMIC-IV数据集的实验结果表明，所提模型在糖尿病及发并发症联合预测任务中明显优于现有方法，预测准确率和多病症识别能力均有显著提升。

关键词：多病症联合预测, 表示学习, 医疗知识图谱, 图神经网络, 注意力机制

基金资助：国家重点研发计划(2023YFC3605800)，江苏省前沿引领技术基础研究专项(BK20202001)，江苏省研究生科研与实践创新计划项目(SJCX24_0285)