人生过程中健康始终是第一要务,但疾病难于避免。每个人从出生开始,就与医疗结下不解之缘。往往在走向危重症疾病深渊的路上,暗含医疗事件的颗颗铺路石。同时,长期困扰世界各国的医疗纠纷,与不断蔓延的医患对立情绪,都为循证医学提出了更高地研究要求。如何解析临床决策中暗含的玄机,高效利用医学知识抽丝剥茧医疗事件,对临床危重症疾病的早期发现与预测干预极为有利,同时可以有效缓解医患矛盾。面对临床危重症疾病的高病死率,目前缺乏有效、可解释的推演预测方法。主要症结在于潜在的复杂医疗事件难于向医疗知识转化。通过研究发现针对临床危重症疾病电子病历文本的决策蕴含分析,可以有效打通医疗领域知识脉络,联动异构、高维、海量分布的医疗数据。因此,本研究以复杂医疗事件解析目标,以决策蕴含为为导向,重构可解释性医疗知识图谱,用知识迁移的方法进行医疗事件归因图抽取方面的研究,探索自适应自构建的复杂医疗事件检索方法,重点面向临床的医疗危重事件进行推演预测。聚焦我国“以健康为中心”的战略转变,为“健康老龄化”的战略需求奠定基础,对智慧医疗提供科技支持。论文的主要研究内容和成果如下:（1）决策蕴含的可解释性医疗知识图谱重构基于决策蕴含的复杂医疗事件抽取与检索的需要,针对医疗数据的异构、高维、海量等分布特征,研究多源汇聚、数据共享、融合链接机制;基于生物医疗机理和专家领域经验知识与现有图谱融合,实现因果性医疗原型知识图谱的自动生成;面向决策蕴含的临床数据、临床诊疗指南与共识、高质量医学文献等向医疗知识转化,研究基于多类型数据处理和领域知识深度支持的医疗知识自适应感知方法;以复杂医疗事件解析为导向,实现多维度多模态全景呈现的可解释医疗知识图谱。（2）基于知识迁移的医疗事件归因图抽取方法针对非结构化医疗数据进行时空多维抽取,对患者多次入院电子病历进行决策蕴含分析,在时间维度提取特征指标;基于同背景领域知识迁移特性,在空间维度提取特征指标。根据两个维度的特征指标,基于数据融合原理研究医疗语义中的实体及关联知识联合提取方法;在时空数据立方体的支撑下,基于联合分析研究构建深层医疗事件归因图。在此基础上,研究实现医疗事件全链路“自主感知——自主学习——自主迁移”的归因图支持策略。（3）自适应自构建的复杂医疗事件检索方法针对结构化医疗数据自助式检索需求,实现自然语言描述向结构化查询转换;基于医疗事件流查询句法特点,研究多元语义知识检索复杂度划分机制;在医疗知识图谱支撑下采用预训练机制,研究数据缺失时语义槽填充的方法;基于语义网络泛化性学习理论,设计具有自适应自构建特征的自然语言解析检索方法,实现诊疗过程关键医疗事件的智能交互。（4）面向临床的医疗危重事件推演预测模型聚焦开放、动态、真实环境下医疗危重事件,对决策蕴含的可解释知识归纳和迁移技术进行验证和优化;针对临床推理不确定性进行建模,优化跨模态融合和人机分工;重点对临床危重症疾病的诊治进行模型预测与验证,提升临床医疗事件辅助决策效率和精准率;研究成果可以用于发现和揭示重症医学领域中病情演变的规律和特点,支撑临床专家的诊断,为循证医学研究提供关键技术支撑。