本論文は、集中治療室患者の危険度（死亡リスクなど）を予測するために、電子健康記録（EHR）の関係構造を利用する新しいモデルである類似度ベースの自己構成グラフモデル（SBSCGM）とHybridGraphMedGNNアーキテクチャを提案します。 SBSCGMは、様々なモードのEHRデータから患者類似性グラフを動的に構築し、特徴ベースと構造的類似性を組み合わせたハイブリッド類似度測定スキームを使用します。 HybridGraphMedGNNは、GCN、GraphSAGE、GATレイヤーを統合し、局所およびグローバルグラフパターンを活用して強力な患者表現を学習します。 MIMIC-IIIデータセットを使用した実験の結果、提案モデルは最先端の性能（AUC-ROC 0.94）を達成し、従来の分類器およびシングルタイプGNNモデルよりも優れた性能を示しました。さらに、改善された精度/再現率が見られ、注意メカニズムがモデル予測に関する解釈可能な洞察を提供することを示しています。このフレームワークは、スケーラブルで解釈可能な集中管理管理リスク予測ソリューションを提供し、実際の集中治療室の配置で臨床医を支援する可能性を持っています。
