图片来源：
这项研究基于自动化的患者表型(如果眼睛的颜色是一种特征，那么蓝色眼睛就是一种表型)和丰富的纵向数据。Zhaojuan博士、weiqi博士和他的同事收集了12380例至少在CVD诊断前10年被识别的患者记录。自动扫描在该数据集中发现了1068种不同的患者表型。
在张量分解技术的帮助下，无监督机器学习揭示了14种不同的CVD患者亚型的长期出现。在六种最常见的亚型中，心脏病发作的风险存在显着差异，这表明扫描发现了有意义的区别。
某些显型在扫描中特别突出 -尿路感染、维生素D缺乏、抑郁等疾病中表现突出的某些表型可能会挑战目前对CVD形成途径的理解。（生物谷）
参考资料：
Juan Zhao et al. Detecting time-evolving phenotypic topics via tensor factorization on electronic health records： Cardiovascular disease case study， Journal of Biomedical Informatics (2019). DOI： 10.1016/j.jbi.2019.103270 版权声明：本文系生物谷原创编译整理，未经本网站授权不得转载和使用。如需获取授权，请点击
