临床路径（Clinicalpathway）是关于临床治疗的一种综合型范式,在循证医学证据和指南的基础上构建对于具体疾病的标准化治疗模式与治疗程序,旨在把控医疗成本,规范医疗行为,提升医疗质量,从而促进治疗组织和疾病管理。许多国家提出了各自的临床路径国家标准,用于指导医生的诊疗过程管理。然而,国家标准临床路径中的项目通常过于笼统,各地医疗机构由于医疗资源的区域化特点,使得国家标准医疗路径无法在本地医疗机构直接使用。而且每个患者其身体素质、发病症状、耐药程度不尽相同,诊疗过程是因人而异的。为此,如何处理临床路径的个性化是一个重要研究课题。针对解决临床路径个性化问题,本文提出了一个基于超图的个性化临床路径推荐模型,主要目的是从诊疗数据集中获取个性化诊疗经验。该模型先使用超图模型对诊疗项目进行表征学习,然后进一步使用自注意力机制来进行训练,能够有效捕捉到当前诊疗项目对于下一个推荐诊疗项目的重要程度,基于此来对患者进行个性化诊疗项目的推荐。为了进一步结合国家标准临床路径的指导作用,提出了一种个性化临床路径推荐的预训练策略,在国家标准临床路径上进行预训练,然后在真实诊疗数据集上进行微调。具体来说,引入了相应病种的国家标准临床路径,进行序列化处理后,针对两个预训练任务,在处理后的国家标准临床路径进行预训练,不仅可以加快诊疗数据集的收敛速度,而且可以提高给患者推荐的诊疗项目的准确性。这样一来,既能从真实世界的诊疗数据集中获取经验知识,又能从国家标准临床路径获取指导,从而对患者进行更加准确的个性化临床路径的推荐。在本地医院的冠心病诊疗数据集和公开的医疗数据集上,进行个性化的临床路径推荐的实验,相比于一些深度学习的序列模型来说,能够给患者推荐更加精确地临床路径。此外,参考了国家卫计委提出的相应病种的国家标准临床路径,结合相关医学知识,对诊疗项目进行了表征学习,通过对国家标准临床路径进行预训练,又能进一步提高个性化临床路径的准确性以及模型收敛速度。本文提出的个性化临床路径推荐模型可以给患者提供更加准确的个性化的诊疗项目推荐,能够辅助医生进行决策,提高医疗服务质量,节约医疗成本。