中南大学计算机学院、生物信息学湖南省重点实验室成员留学生萨乐博士在电子病历数据挖掘领域取得了重要研究成果。该研究成果以“Predicting length of stay in ICU and mortality with temporal dilated separable convolution and context-aware feature fusion”为题，在国际生物信息学权威期刊《Computers in Biology and Medicine》(IF= 6.698)上在线发表。
https://doi.org/10.1016/j.compbiomed.2022.106278
在医疗保健领域，由于预算和资源有限，重症监护病房(ICU)的床位管理是一项必要的任务。预测ICU住院时长（LoS）和死亡率可以帮助医院有效地管理ICU病床。课题组我们开发了一种基于多个连续的时间空洞可分离卷积和上下文感知特征融合(TDSC-CAFF)的新方法来预测LoS和死亡风险。创新点包括：1）提出了一种基于点卷积的注意力机制来学习特征之间的相互关系；2）设计了一个上下文感知的特征融合模块，通过有效地融合来自不同感受野的时间特征与原始的时间输入和静态人口特征，来捕获上下文感知的全面有效的健康状态表征；3）生成多尺度表征，并与多视图特征融合，以提高预测性能。在两个公开电子病历数据集eICU和MIMIC-I上，该方法分别取得了0.07和0.08的LoS预测均方对数误差， 0.909和0.926的死亡率预测AUC，优于现有方法。该方法可能较准确的预测ICU住院时长和死亡率，有助于医院更好地进行ICU资源配置。
王建新教授团队长期致力于计算机算法与优化、生物信息学、医学影像分析、医疗数据挖掘等方面研究。该研究工作得到国家重点研发项目、国家自然科学基金、长沙市重大科技计划等基金支持。