यह शोधपत्र एक नवीन मॉडल, समानता-आधारित स्व-संगठित ग्राफ़ मॉडल (SBSCGM) का प्रस्ताव करता है, जो गहन चिकित्सा इकाई (ICU) के रोगियों के जोखिम (जैसे, मृत्यु दर) का पूर्वानुमान लगाने के लिए इलेक्ट्रॉनिक स्वास्थ्य अभिलेखों (EHR) की संबंधपरक संरचना का लाभ उठाता है। SBSCGM विभिन्न विधियों के EHR डेटा से गतिशील रूप से एक रोगी समानता ग्राफ़ का निर्माण करता है और एक संकर समानता माप का उपयोग करता है जो विशेषता-आधारित और संरचनात्मक समानता को जोड़ता है। HybridGraphMedGNN स्थानीय और वैश्विक ग्राफ़ पैटर्न का लाभ उठाकर सुदृढ़ रोगी अभ्यावेदन सीखने के लिए GCN, GraphSAGE और GAT परतों को एकीकृत करता है। MIMIC-III डेटासेट का उपयोग करके प्राप्त प्रायोगिक परिणाम दर्शाते हैं कि प्रस्तावित मॉडल अत्याधुनिक प्रदर्शन (AUC-ROC 0.94) प्राप्त करता है, जो मौजूदा क्लासिफायर और एकल-प्रकार GNN मॉडल से बेहतर प्रदर्शन करता है। इसके अलावा, यह बेहतर परिशुद्धता/स्मरण प्रदर्शित करता है और दर्शाता है कि अवधान तंत्र मॉडल पूर्वानुमानों में व्याख्या योग्य अंतर्दृष्टि प्रदान करता है। यह ढांचा एक मापनीय और व्याख्या योग्य आईसीयू प्रबंधन जोखिम पूर्वानुमान समाधान प्रदान करता है और इसमें वास्तविक दुनिया के आईसीयू परिनियोजन में चिकित्सकों की सहायता करने की क्षमता है।
