feature engineering remains a major bottleneck when creating predictive systems from electronic medical records. At present, an important missing element is detecting predictive regular clinical motifs from irreg
本文探索使用深度神经网络模型以及学习的医疗特征嵌入（medical feature embedding）来处理从纵向电子病历数据中提取实用的临床表现（clinical representations）所面临的高维和时间性问题。作者在利用多层卷积神经网络（CNN）进行参数化时成功捕捉到了 EHR 纵向演变的复杂非线性关系，并在处理 EHR 的本地/短期时间依赖性上取得了良好的效果，对于失能心力和糖尿病患者的风险预测表现也优于基线模型。