摘要：弱監(jiān)督機器學習算法解決標簽模糊類的問題具有更好的優(yōu)勢,該類算法緩解了數(shù)據(jù)標簽的精度要求。病案的相似性度量就是這類問題,其對醫(yī)療數(shù)據(jù)的應用有著極其重要的基礎(chǔ)性作用。鑒于現(xiàn)有病案相似性度量算法通常只基于病理關(guān)系的理論規(guī)則模型提出,忽略了數(shù)據(jù)本身包含的信息,文中提出一種弱監(jiān)督機器學習算法應用于病案相似性度量。該算法首先基于多指標概率分配的方法進行病案組的構(gòu)建,避免陷入局部最優(yōu)的情況;然后根據(jù)理論模型進行標簽賦值,充分利用理論信息;最后通過輸入、損失函數(shù)、學習模型的分析,從機器學習的角度進行病案的相似性度量。與經(jīng)典病案相似性度量算法相比,該算法提高了病案相似性度量的準確性,解決了高成本標簽的問題。