伴随着社会进步和大数据技术的迅速发展,大数据技术已经被普遍应用在各个领域,并产生巨大效益。在医疗领域,医疗大数据应用逐渐成为行业发展趋势,大数据技术能够有效地解决许多医疗难题,包括高风险病人的预警、电子病历的分析、重大疫情的监控与分析等。其中,糖尿病的相关治疗存在许多重大难题。我国糖尿病患者多达1.14亿,约占全世界三分之一,糖尿病急慢性并发症可致残致死,直接危及生命,而对糖尿病并发症高危人群加强护理,不仅能提高生活质量,还能降低致死致残几率。因此,对糖尿病并发症高危人群的预测与警告显得非常重要。本文重点研究利用电子病历数据来构建糖尿病并发症高危人群预警算法。首先进行中文电子病历命名实体识别研究,为后面电子病历信息抽取工作奠定基础;然后通过对电子病历进行信息抽取研究,提取更多的结构化特征,提高模型性能上限;最后构建糖尿病并发症高危人群预警算法模型。具体工作有以下几个方面:(1)本文运用门控循环单元和注意力机制,构建两种命名实体识别模型Bi GRUSelf Att-CRF和BERT-Bi GRU-CRF,并使用两种模型分别在自建数据集和公开数据集上进行实验,然后与传统模型的实验结果进行对比。其中,BERT-Bi GRU-CRF的F1值均达到最高,Bi GRU-Self Att-CRF次之,验证了两种模型的有效性和鲁棒性。(2)本文构建一种实体关系联合抽取模型BERT-BIGRU-MULTI-HEAD。选取电子病历文本中既往病史、图像报告部分构成自建数据集,并且在其上进行实验,然后与流水线方式的实体及关系抽取模型进行对比,结果是BERT-BIGRU-MULTI-HEAD达到的F1值远高于流水线模型,且能有效解决关系重叠问题。然后在公开数据集上进行实验,并与其它相关文献的实验结果作对比分析,BERT-BIGRU-MULTI-HEAD模型的F1值达到最高,进一步验证模型的有效性和鲁棒性,最后实现电子病历的结构化特征抽取。(3)针对临床电子病历数据的文本丰富、样本较少、样本不均衡等特点,本文构建糖尿病并发症高危人群预警算法模型DC-EWHRP。本文对糖尿病原始数据集进行清洗和预处理,构成自建数据集,然后分别在自建数据集和公开数据集上进行实验,与其它不同算法的实验结果作对比,DC-EWHRP模型的F1值均达到最高。最后结合具体临床病例进行验证分析,证明了DC-EWHRP模型能实现对糖尿病并发症高危人群的预警。