Cet article propose un nouveau modèle, le modèle de graphes auto-organisés basé sur la similarité (SBSCGM), qui exploite la structure relationnelle des dossiers médicaux électroniques (DME) pour prédire le risque (par exemple, le risque de mortalité) des patients en unité de soins intensifs (USI). Le SBSCGM construit dynamiquement un graphe de similarité patient à partir des données de DME de diverses modalités et utilise une mesure de similarité hybride combinant similarité structurelle et basée sur les caractéristiques. HybridGraphMedGNN intègre les couches GCN, GraphSAGE et GAT pour apprendre des représentations robustes des patients en exploitant des modèles de graphes locaux et globaux. Les résultats expérimentaux obtenus avec le jeu de données MIMIC-III démontrent que le modèle proposé atteint des performances de pointe (AUC-ROC 0,94), surpassant les classificateurs existants et les modèles GNN monotypes. De plus, il démontre une précision/mémoire améliorée et démontre que le mécanisme d'attention fournit des informations interprétables sur les prédictions du modèle. Ce cadre offre une solution de prédiction des risques de gestion des unités de soins intensifs évolutive et interprétable et a le potentiel d’aider les cliniciens dans le déploiement des unités de soins intensifs dans le monde réel.
