HiRef verbessert Medikamentenempfehlungen dank Ontologie und Netzwerkoptimierung

Ein neues Modell namens HiRef kombiniert die hierarchische Struktur medizinischer Ontologien mit verfeinerten Netzwerken aus elektronischen Gesundheitsdaten, um die Genauigkeit von Medikamentenempfehlungen zu erhöhen. Durch die Einbettung von Ontologieeinheiten in hyperbolischen Raum kann das System Baumähnliche Beziehungen erfassen und Wissen über gemeinsame Vorfahren übertragen, was die Generalisierung auf bislang unbekannte Codes verbessert.

HiRef nutzt zudem eine prior‑geleitete, sparsame Regularisierung, um das Co‑Occurrence‑Graphen aus realen EHR‑Datensätzen zu optimieren. Dabei werden unwichtige Kanten unterdrückt, während klinisch relevante Verbindungen erhalten bleiben. Diese Kombination aus semantischer Tiefe und datengetriebener Präzision führt zu einer robusteren Leistung, selbst bei fehlenden oder neuen medizinischen Entitäten.

Die Ergebnisse auf den Benchmark‑Datensätzen MIMIC‑III und MIMIC‑IV zeigen, dass HiRef die bisherige Spitzenleistung übertrifft und dabei besonders unter simulierten Bedingungen mit unbekannten Codes hohe Genauigkeit beibehält. Umfangreiche Ablationsstudien bestätigen, dass sowohl die Ontologie‑Einbettung als auch die Netzwerk‑Verfeinerung entscheidend zum Erfolg des Modells beitragen.