考虑变量标签关系，提升患者聚类效果，助力精准医疗

研究人员通过改进余弦相似度计算患者相似性，发现考虑变量标签关系可改善患者分层，意义重大。

　　在医疗领域，患者分层对评估治疗效果和促进患者匹配至关重要。通过医学健康记录中的临床变量计算患者间的相似性，进而实现患者分层是常用方法。然而，临床变量不仅有数值，其标签在本体论或其他分类系统中也存在结构关系，而以往在计算患者相似性时，对这种变量标签关系的研究却十分匮乏。

为解决这一问题，来自法国多个研究机构（Sorbonne Université、Université Paris Cité、INSERM 等）的研究人员开展了相关研究。他们的研究成果发表在《BMC Medical Research Methodology》上，对推动精准医疗具有重要意义。

研究人员在本次研究中运用了多种关键技术方法。他们从法国医疗行政数据库（échantillon Généraliste des Bénéficiaires，EGB）中选取数据，该数据库是法国健康保险数据库的随机样本，具有代表性。研究人员提取了 2008 - 2018 年的药物报销数据以及患者慢性病诊断信息（采用国际疾病分类第 10 版编码，ICD10） 。计算患者相似性时，采用了四种不同的度量方法，包括标准余弦相似度、逆文档频率加权的余弦相似度（Cosine similarity weighted by the Inverse Document Frequency，Cosine_{θ, IDF}）、基于 Wu 和 Palmer 度量加权的余弦相似度（Cosine similarity weighted by the Wu and Palmer measure，Cosine_{θ, WP}）和基于 Lin 度量加权的余弦相似度（Cosine similarity weighted by the Lin measure，Cosine_{θ, Lin}）。之后，利用这些相似性度量构建患者网络，并使用 Markov 聚类算法识别患者集群，通过基于外部变量（慢性病诊断）的富集分析评估不同相似性度量的性能。

研究结果如下：

• 相似性度量值：在女性患者数据集和男性患者数据集中，基于 Wu 和 Palmer 度量以及 Lin 度量加权的余弦相似度识别出更多具有非零相似值的患者对，且这两种加权度量显示出更高的变异性，即考虑变量标签关系的加权余弦相似度具有更高的相似性值。
• 患者聚类质量：标准余弦相似度构建的患者网络结构高度连接，而基于 Wu 和 Palmer 度量加权的余弦相似度构建的网络呈现出明显不同的子网络。在女性患者数据集和男性患者数据集中，使用标准余弦相似度和逆文档频率加权的余弦相似度识别出的集群，存在慢性病富集冗余的情况；而基于 Wu 和 Palmer 度量以及 Lin 度量加权的余弦相似度构建的患者网络，识别出的集群中显著富集慢性病的数量更多，冗余度更低。例如，使用 Cosine_{θ, WP}时，在女性患者数据集中发现与甲状腺和乳腺癌患者显著富集的集群，在男性患者数据集中发现与动脉粥样硬化、抑郁障碍和心力衰竭患者显著富集的集群。同时，所有使用加权度量的集群中，糖尿病患者均显著富集，这是因为糖尿病是研究人群中最常见的慢性病。

研究结论与讨论部分指出，考虑变量标签关系的加权相似性度量在识别不同疾病患者集群方面表现更优，相比未考虑标签关系的未加权相似性度量，能更好地实现患者分层。这一研究强调了将现有医学分类中的变量标签关系知识整合到患者相似性度量中的重要价值，尤其适用于分析行政索赔数据库中的记录。不过，研究也存在一定局限性，如缺乏社会剥夺或其他人口统计学变量数据，这些因素可能会影响聚类结果。总体而言，该研究为基于数据库的临床决策支持系统（Clinical Decision Support Systems，CDSS）提供了参考，有助于支持诊断推断，对精准医疗的发展具有积极推动作用。