通过稳健灵活的知识迁移增强电子健康记录中的谱嵌入

研究提出一种基于谱的无监督表示学习框架，从电子健康记录中为罕见病队列的临床概念和患者学习低维嵌入，通过引入来自更广泛人群的知识矩阵缓解高维小样本问题。该方法放宽了潜在数据矩阵与知识矩阵间严格的一对一信号对齐假设，采用两步谱嵌入：先剔除知识矩阵中的无关成分，再以投影方法分别恢复共享与异质成分。仿真和真实多发性硬化症队列分析显示，在共享信号微弱且仅部分对齐的困难场景下，该方法优于对比方法。