在数字化医疗时代，电子健康记录(EHR)已成为临床研究的金矿，但如何从海量异构数据中挖掘有临床意义的患者亚型仍是重大挑战。传统方法往往将诊断轨迹与生存风险割裂分析，导致分型结果存在显著异质性。以克罗恩病(CD)为例，这种复杂的炎症性肠病表现为高度可变的临床进程，约30%患者会发展为肠道狭窄等严重并发症，但现有分型方法难以准确预测疾病进展轨迹。

针对这一难题，来自荷兰马斯特里赫特大学等机构的研究团队在《Nature Communications》发表了创新性研究成果。他们开发的VaDeSC-EHR模型首次将Transformer架构与变分深度生存聚类(VaDeSC)框架相结合，通过多层级ICD-10编码嵌入和序列池化(SeqPool)技术，实现了对纵向EHR数据与生存时间的联合建模。该研究不仅通过合成数据和糖尿病基准测试验证了模型优越性，更在1908例CD患者中发现了4个具有独特临床特征的亚型，其中rs2523608等遗传变异与快速进展亚型显著相关，为CD的精准治疗提供了新靶点。

关键技术方法包括：1)基于UK Biobank的352,891例患者EHR构建诊断序列；2)开发含高斯混合先验的Transformer变分自编码器；3)采用威布尔混合分布建模簇特异性生存风险；4)通过多层级ICD-10嵌入(子类/类/块)捕获诊断语义；5)使用嵌套交叉验证评估模型性能。

模型架构与验证：
研究团队设计的VaDeSC-EHR采用编码器-解码器架构，创新性地将ICD-10代码分解为块(如K50-K52)、类(K50)和子类(K50.1)三级嵌入，并与年龄、就诊类型嵌入相加。Transformer编码器输出经SeqPool层聚合为患者表征，在潜在空间服从高斯混合分布。在合成数据测试中，模型以64%准确率显著优于基线方法(VaDeSC-MLP为57%)，且风险预测一致性指数(CI)达0.77。在1型/2型糖尿病分型任务中，模型无需使用诊断年龄仍实现81%准确率，证实其捕获时序特征的能力。

克罗恩病亚型发现：
应用该模型分析CD患者数据，研究揭示了四个显著差异的亚型：缓慢进展的簇1/4和快速进展的簇2/3。值得注意的是，簇1虽进展缓慢却富集吸烟史(OR=1.86×10^-5)，且吸烟与较低梗阻风险相关(HR=-0.76)。遗传分析显示，快速进展亚型在适应性免疫应答通路显著富集(如rs2523608，p<0.05)，该SNP与干扰素β-1a治疗反应相关，提示亚型特异性治疗靶点。

临床与机制解析：
纵向分析发现，缓慢进展亚型在CD确诊前有更长的前驱期(2倍于快速进展者)，且富集贫血(D64)和高血压(I10)等共病。而快速进展亚型确诊后更易出现腹痛(R10)和呕吐(R11)。UMAP可视化显示各亚型在潜在空间明显分离，生存曲线差异显著(log-rank p<1×10^-5)。

这项研究开创性地实现了EHR轨迹与生存风险的协同建模，其方法论创新主要体现在三方面：首先，通过多层级诊断嵌入和Transformer架构，解决了传统方法对时序信息利用不足的问题；其次，威布尔混合分布与变分框架的结合，使模型能同时优化分型效果和风险预测精度；最后，在UK Biobank大数据平台上的验证，证实了模型的临床实用性。发现的CD亚型特异性遗传特征(如rs2523608)不仅为疾病机制研究提供新线索，更启示了"吸烟悖论"等临床现象可能源于患者的异质性构成。该模型框架可扩展至其他复杂疾病的精准分型，为下一代电子病历分析工具树立了新标杆。

閹垫捁绁�

娑撳娴囩€瑰宓庢导锔炬暩鐎涙劒鍔熼妴濠団偓姘崇箖缂佸棜鍎禒锝堥樋閹活厾銇氶弬鎵畱閼筋垳澧块棃鍓佸仯閵嗗甯扮槐銏狀洤娴ｆ洟鈧俺绻冩禒锝堥樋閸掑棙鐎芥穱鍐箻閹劎娈戦懡顖滃⒖閸欐垹骞囬惍鏃傗敀

10x Genomics閺傛澘鎼isium HD 瀵偓閸氼垰宕熺紒鍡氬劒閸掑棜椴搁悳鍥╂畱閸忋劏娴嗚ぐ鏇犵矋缁屾椽妫块崚鍡樼€介敍锟�

濞嗐垼绻嬫稉瀣祰Twist閵嗗﹣绗夐弬顓炲綁閸栨牜娈慍RISPR缁涙盯鈧鐗哥仦鈧妴瀣暩鐎涙劒鍔�

閸楁洜绮忛懗鐐寸ゴ鎼村繐鍙嗛梻銊ャ亣鐠佹彃鐖� - 濞ｅ崬鍙嗘禍鍡毿掓禒搴ｎ儑娑撯偓娑擃亜宕熺紒鍡氬劒鐎圭偤鐛欑拋鎹愵吀閸掔増鏆熼幑顔垮窛閹貉傜瑢閸欘垵顫嬮崠鏍掗弸锟�

娑撳娴囬妴濠勭矎閼崇偛鍞撮摂瀣鐠愩劋绨版担婊冨瀻閺嬫劖鏌熷▔鏇犳暩鐎涙劒鍔熼妴锟�