基于最优传输的电子健康记录跨群体迁移学习：治疗差异检测的创新方法

本研究针对电子健康记录(EHRs)在跨群体应用时存在的偏差和数据共享难题，提出了基于最优运输(OT)的迁移学习框架OTTEHR。研究人员通过结合特征嵌入和非平衡最优运输理论，实现了不同医保群体间的知识迁移，并建立了泛化误差的理论边界。实验基于MIMIC-III/IV和eICU数据库，证明该方法在预测住院时长等任务中优于传统方法，同时揭示了不同医保计划间的治疗差异。该研究为临床决策提供了量化工具，对实现精准医疗具有重要意义。

　　

在数字化医疗时代，电子健康记录(EHRs)已成为临床决策的重要依据。然而不同群体间的数据分布差异如同无形的壁垒：北欧人群高发的α-1抗胰蛋白酶缺乏症在其他地区易被漏诊，不同医保计划患者的诊疗路径存在隐形成见，甚至同一疾病在不同医院数据库中的编码体系(ICD-9/10)也构成数据共享障碍。更棘手的是，隐私保护要求使得直接整合多中心数据几乎不可能。这种"数据孤岛"现象严重制约了精准医疗的发展，亟需一种能跨越群体差异的知识迁移方法。

为解决这一挑战，不列颠哥伦比亚大学的Wanxin Li团队在《Journal of the American Medical Informatics Association》发表研究，提出OTTEHR框架。该方法首先通过主成分分析(PCA)将高维稀疏的ICD编码压缩到低维空间，随后运用非平衡最优运输理论(引入熵正则化和φ-散度)建立源域与目标域的映射关系，最终通过重心投影实现预测模型迁移。研究采用MIMIC-III/IV和eICU数据库构建四类实验场景：不同医保计划(Medicare/Medicaid等)、跨ICD版本(ICD-9转ICD-10)、年龄分层及跨医院数据迁移。

理论创新与性能验证

研究团队推导出目标误差上界定理，将其分解为源域误差、标签差异和运输成本三项。如图2所示，标签差异与预测误差的皮尔逊相关系数达0.70，显著高于运输项的0.16，证实OTTEHR在医保差异分析中的适用性。在基准测试中，该方法较传统迁移组件分析(TCA)降低MAE达25.17%，计算效率提升28倍；与深度联合分布最优运输(deepJDOT)相比，在保持相当精度的同时将结果标准差缩减36.67%-89.87%。

治疗差异量化应用

通过分析医保计划转换场景，研究发现从Medicaid转向私人保险的患者中13.1%住院时长显著缩短(>300小时)，而反向转换仅9.5%患者获益，差异达3.6%。图4的核密度估计图直观显示，Medicare与私人保险间的差异(1.5%)相对较小，暗示美国医保体系存在结构性不平等。这些发现为医保政策优化提供了数据支撑。

该研究的突破性在于将理论严谨性与临床实用性完美结合：非平衡OT处理解决了群体样本量不均的难题；可计算的误差上界为方法选择提供理论依据；而治疗差异量化功能开辟了算法公平性研究的新途径。未来拓展方向包括整合多模态临床数据、开发半监督学习版本，以及探索其在败血症早期预警等场景的应用。这项工作不仅为EHR的跨机构协作树立了新范式，更通过算法透镜揭示了医疗系统中隐藏的不平等现象。