一种用于治疗模式挖掘的多尺度时序超图神经主题模型

《Information Processing & Management》：A multi-scale temporal hypergraph neural topic model for treatment pattern mining

　　

摘要 电子健康记录（EHR）的广泛采用为建模真实世界治疗模式提供了机遇，但现有方法往往无法同时捕捉同一阶段内治疗的组合关系及其随时间的演变。我们提出了时序超图神经主题模型（THNTM），这是一个统一框架，其核心创新是一种联合生成过程，能够同时建模治疗主题、其结构共现关系以及时序演变，并给出了其可推广至潜在狄利克雷分配（LDA）的形式化证明。THNTM 将神经主题建模与多尺度时序超图学习相结合以实现这一目标。THNTM 首先构建多时间尺度的患者特定超图，编码并发治疗组合及其时序顺序；然后联合学习可解释的治疗模式，并建模患者在这些模式上的轨迹。在包含超过16万条患者轨迹的三个公开数据集上，THNTM 持续优于最先进基线，在主题一致性上取得高达19.3%的相对提升，在临床相关性上取得3.6%至5.7%的相对提升，同时保持了较高的主题多样性。消融实验证实了每个模型组件的贡献，完整模型在NPMI指标上比标准主题模型提升53.2%。THNTM 提供了一种稳健方法，用于挖掘具有临床意义且结构化的治疗路径，以支持临床决策。

引言 电子健康记录（EHR）的爆炸性增长给医疗健康领域带来了根本性变革，将其从基于经验的实践转变为真正数据驱动的科学（Qiao等，2024）。电子健康记录的广泛使用为AI驱动的临床分析创造了新的机遇，它使研究人员能够挖掘临床治疗轨迹中的隐藏模式，但也带来了信息提取、数据质量、互操作性以及从大规模医疗数据中生成可靠见解等方面的重大挑战（Gurav，2024；Hovenga和Atalag，2024）。

临床治疗模式挖掘已成为一个高度活跃的研究前沿，致力于从大规模患者照护数据中发现潜在的治疗策略（Min等，2023；Xu等，2023）。这代表了一种明确范式的转变，从传统知识驱动方法转向自动发现个性化治疗路径（Lv等，2025）。近年来，人工智能和机器学习领域的快速进展在临床数据分析方面展现了强大潜力，支持风险分层、诊断预测和治疗优化等任务（Kim，2025）。

在用于医疗健康分析的多种计算工具中，主题建模因其能够从临床记录中发现可解释的潜在主题而获得了广泛的关注。潜在狄利克雷分配（LDA）及其神经变体等传统模型已被广泛应用于识别治疗模式，通常将每个临床病程表示为词袋，其中治疗被假设为从多项分布中生成（Li等，2020）。然而，这些方法本质上忽略了临床工作流程中嵌入的复杂时序动态和结构关系，将治疗序列视为无序集合而非连贯的、相互关联的过程。

在实际临床场景中，这种局限性尤为突出，因为治疗决策本质上是有序的且紧密相互依赖的（Winter等，2024）。例如，某些药物的使用可以直接影响后续的诊断操作，且干预时机的选择往往对最终结果起关键作用。得益于近期进展，图神经网络（GNN）已被证明在捕捉医疗数据中的这些复杂关系方面非常有效，在药物推荐到疾病预测等各种应用中取得了显著的性能提升（Johnson等，2024；Kim等，2024；Zou等，2024）。即便如此，大多数现有的基于图的方法仅关注成对关系，难以充分刻画临床实践中常见的高阶交互。

超图神经网络作为传统图模型的一种强大扩展，擅长建模多个实体同时交互的高阶关系（Antelmi等，2023；Khemani等，2024）。在医疗健康领域，这天然适合多系统药物-药物相互作用或需要协调干预的多学科治疗方案等场景。超图学习的最新进展，尤其是与变分推断相结合的方法，在捕捉生物医学网络中的不确定性和复杂依赖关系方面展现了优越能力（Mei等，2025；Mei等，2024）。

尽管取得了这些令人振奋的进展，但将主题建模的可解释性与超图神经网络的强表征能力有效整合到临床应用中仍存在若干关键挑战。当前方法往往孤立地建模时序信息和结构依赖关系，未能联合捕捉治疗活动之间、其时序顺序以及复杂相关性之间的微妙交互。此外，现有方法缺乏稳健机制来处理真实世界临床数据中固有的不确定性和噪声，缺失值和不一致的数据质量往往严重降低模型性能。

在真实临床实践中，治疗行为通常同时呈现两种规律性：短期共用和长期演变。在单个治疗阶段内，临床医生通常将多种药物、检验或操作组合成一个方案；跨越不同阶段时，则倾向于在时间上呈现相对稳定的顺序。图1说明了处理这一现象的核心思想。我们的方法不是用单一时间跨度来概括整个治疗轨迹（这会过度简化临床实践），而是使用从短到长的多个时间窗口构建多尺度结构表征。这种精心设计在捕捉常见短窗口治疗组合的同时，保留了较大尺度上的顺序关系。这些结构作为约束和引导，帮助模型在不同尺度上学习清晰、可解释的治疗模式，形成一个可供进一步分析的模式库。

受这些差距和临床应用的启发，我们提出了THNTM，该模型将多尺度时序超图构建、图结构化主题生成和神经变分推断统一在一个连贯框架内。在每个时间尺度上，THNTM构建时序超图以捕捉群组间的治疗共现关系和定向时序依赖关系；跨尺度来看，这些互补视角为学习稳健且具有临床意义的主题提供了多视角结构先验。所得模型产生了一个可解释的治疗模式库，涵盖局部组合、阶段级结构和长程演变，同时可通过证据下界优化进行端到端训练。总之，本工作的贡献如下：

• 我们构建了一种联合生成过程，其中主题分配决定图结构，图结构约束活动生成，并给出了THNTM可推广至LDA的形式化证明；

• 我们构建了多尺度时序超图，将短期治疗共现组和长期顺序演变编码为结构先验；

• 我们将每个主题定义为活动及其共现边的联合分布，捕捉了超越词袋的组合语义；

• 在三个公开EHR数据集上的实验表明，在主题一致性、多样性和临床相关性方面持续优于最先进基线，并通过定量专家评估和消融实验加以验证。

针对上述局限性——现有方法无法在统一框架中同时建模时序治疗动态、高阶临床交互和可解释主题结构——本文定义了以下研究目标：

（1）构建患者治疗轨迹的多尺度结构表征，既能捕捉治疗的短期共现，又能捕捉其长期顺序演变。

（2）设计一种统一生成模型，将这些多尺度图结构与神经主题建模相结合，实现对连贯且具临床意义的治疗主题的发现。

（3）开发一个基于神经变分推断的端到端可训练框架，能够妥善处理真实世界EHR数据中固有的不确定性和噪声，同时学习可解释的患者主题分布和主题转移。

相关工作 临床治疗模式挖掘旨在捕捉医疗决策过程中固有的时序依赖关系和结构关系。传统主题模型无法很好地展示医疗治疗的顺序（Esteva等，2019；Hankar等，2025）。这一问题推动了我们时序超图神经主题模型所支持的三个相关领域的研究。

关键概念与术语 在呈现形式化问题定义和所提模型之前，我们定义了构成本工作概念框架的六个关键概念。这些概念涵盖从原子级临床事件到群体级潜在结构的层次体系。

临床活动：临床活动是本研究中最基本的观测单元，指在EHR系统中记录的单个治疗事件，例如特定药物的使用、实验室检查或操作程序。

时序多尺度超图神经主题模型 THNTM是一个统一的概率生成框架，旨在从具有复杂时序链接和高阶交互的临床治疗轨迹中学习可解释的治疗模式。其主要思想是将多尺度时序超图与神经主题建模相结合，使模型能够从短期局部群组到长期变化中学习模式。图3展示了THNTM的整体架构。工作流程是一个循环，在多个尺度上抽象信息，然后……

实验 在本节中，我们首先介绍三个常用数据集、评估指标和实现细节。然后报告THNTM与竞争方法相比的性能表现。接下来，设计了一系列消融研究以说明各部分的贡献。最后，展示了我们模型的泛化表征分析和可视化结果。

讨论 我们现在对实验结果进行深入解读，阐述THNTM的理论和实践意义，并讨论局限性和未来方向。

结论 本文介绍了时序超图神经主题模型（THNTM），这是一个统一的概率框架，将多尺度时序超图学习与神经主题建模相结合，用于从电子健康记录中挖掘可解释的治疗模式。与将治疗历史视为无序列表或静态图的先前方法不同，THNTM通过一种新颖的生成过程明确捕捉短期共现关系和长期时序演变。

作者贡献声明 闵鑫：论文撰写（初稿）、可视化、验证、方法学、形式化分析。罗嘉伟：资源、形式化分析、数据整理。谢通：可视化、验证、方法学、形式化分析。文传彪：指导、基金获取。丁卫平：指导。李中：验证、指导。张鹏飞：论文撰写（审阅与编辑）、指导、调研、基金获取。

生成式AI和AI辅助技术在写作过程中的声明 在本文准备过程中，我们使用GPT系列工具进行了拼写检查和语法润色；所有技术内容、分析和代码均由作者撰写和验证。

致谢 本工作得到非传染性疾病-国家科技重大专项（2023ZD05094005）、国家自然科学基金（62406044）和四川省科技计划（2026NSFSC1447）的资助。

闵鑫 | 罗嘉伟 | 谢通 | 文传彪 | 丁卫平 | 李中 | 张鹏飞