Bài báo này đề xuất một mô hình mới, Mô hình Đồ thị Tự Tổ chức Dựa trên Sự Tương đồng (SBSCGM), tận dụng cấu trúc quan hệ của hồ sơ sức khỏe điện tử (EHR) để dự đoán rủi ro (ví dụ: rủi ro tử vong) của bệnh nhân tại khoa chăm sóc đặc biệt (ICU). SBSCGM xây dựng động một đồ thị tương đồng bệnh nhân từ dữ liệu EHR của nhiều phương thức khác nhau và sử dụng một biện pháp đo lường tương đồng lai kết hợp giữa tính năng và cấu trúc. HybridGraphMedGNN tích hợp các lớp GCN, GraphSAGE và GAT để học các biểu diễn bệnh nhân mạnh mẽ bằng cách tận dụng các mẫu đồ thị cục bộ và toàn cục. Kết quả thử nghiệm sử dụng bộ dữ liệu MIMIC-III chứng minh rằng mô hình đề xuất đạt được hiệu suất tiên tiến (AUC-ROC 0,94), vượt trội hơn các bộ phân loại hiện có và các mô hình GNN loại đơn. Hơn nữa, nó chứng minh độ chính xác/khả năng nhớ lại được cải thiện và chứng minh rằng cơ chế chú ý cung cấp những hiểu biết có thể diễn giải được về các dự đoán của mô hình. Khung này cung cấp một giải pháp dự đoán rủi ro quản lý ICU có khả năng mở rộng và diễn giải được, đồng thời có tiềm năng hỗ trợ các bác sĩ lâm sàng trong việc triển khai ICU thực tế.
