近日，第五届中国健康信息处理学术会议（CHIP2019）在广州落下帷幕。会上，大会主席陈清财宣布了本次大会的最佳论文。医渡云与联合研究单位合作的论文，荣获最佳论文奖。
本次CHIP2019大会由中国中文信息学会医疗健康与生物信息处理专业委员会主办，中山大学健康医疗大数据国家研究院、中山大学中山医学院、广东省健康医疗大数据工程技术研究中心承办，鹏城实验室、广州健康医疗大数据技术创新联盟协办。大会吸引了来自海内外医疗与健康信息处理领域的350余名专家学者参加。会议以“人工智能+医疗健康”为主题，包括前沿讲习班、特邀报告、学术论文交流、评测技术交流和专题技术论坛等。
大会最佳论文奖授予了《A Hybrid Method of Recurrent Neural Network and Graph Neural Network for Next-period Prescription Prediction》，作者为刘思岑、李涛、丁浩洋、汤步洲、王小龙、陈清财、闫峻、周毅等，分别来自哈尔滨工业大学（深圳）、医渡云、鹏城实验室与中山大学等多个单位。
众所周知，电子病历（EHR）已被广泛应用于帮助医生通过预测，包括疾病、处方药、转归等医疗事件，来做出临床决策。如何展现出患者沿时间轴纵向的医疗数据，是做出这些预测的关键。递归神经网络（RNN）是一种适用于患者时间序列医疗数据表示的通用模型，但存在一定的局限性。一个主要的局限性是它不能处理具有不同类型节点和边的复杂图像，而图像神经网络（GNN）却可以去捕捉这些复杂图像的信息。本篇获奖论文从两个角度提出，可用于下一阶段处方预测的RNN和GNN混合方法，称为RGNN，其中RNN用于表示患者状态序列，而GNN用于表示随时间进展的医疗事件图。在开源的MIMIC-III ICU数据集上实验表明，该方法对下一阶段的处方预测是有效的，GNN是RNN的重要补充。
这篇论文创造性地融合RNN与GNN，提出RGNN，在实际应用中可以用来训练预测模型、预测患者用药，能够为医生开具处方提供临床辅助决策支持与用药推荐，对于推动临床诊疗水平提升具有积极意义。
医渡云在论文撰写过程中，进行了包括制定医学规则、医学信息纳排等大量的技术类工作，并与哈尔滨工业大学（深圳）的科研工作者共同进行了方案讨论、模型开发、实验检测等工作。
自2013年成立以来，医渡云始终积极响应国家信息技术及生物战略新兴产业发展目标，以“数据智能，绿色医疗”为使命，以“改善人类与疾病的关系”为目标，利用人工智能技术，助力医学研究、医疗管理、政府公共决策、创新新药研发、帮助患者实现智能化疾病管理，引领大健康及人工智能产业创新，践行健康中国战略，助力完善国民健康政策，切实有效地提升百姓的医疗健康水平。
