在这个信息化的时代,随着医疗技术以及科学技术的迅猛发展,智慧医疗、互联网医疗等新概念随之被提出,利用数据驱动来对医疗数据进行分析方法也应运而生。因此,建立完整的电子健康记录(Electronic Healthcare Records,EHR)系统显得越来越重要。人们通过对获取到的医疗数据进行合理的分析,可以对其进行预测建模,从而实现对于疾病的提前诊断。或者通过对病人的EHR数据来对其身体健康状况进行分析,从而预测该患者在将来患有某种疾病的风险。电子健康记录(EHR)系统和其他的健康数字化系统一样,可以使医疗保健变得更为高效、安全、智能。电子健康记录与自然语言处理相结合,可以减少人类去做常规、耗时、高重复型的工作,腾出来的人员可以被重新部署,以便于支持更为高端的工作,大大推动了医疗保健事业的发展。但是也有很多原因使得我们在EHR数据集上进行疾病风险预测仍然面临很多的挑战。比如说EHR数据集中相关字段的缺失,可能导致我们提取到特征不完整。另外,由于人工失误,错记、漏记、甚至多记可能给我们分析数据造成噪声,影响我们对特征的提取。因此,能够高效分析电子医疗健康记录对于提升医疗卫生水平至关重要。在本文中,我们创新性的使用sentence2vec和CNN相结合的方法,首先使用sentenc2vec对于患者的电子健康记录指标进行向量化,然后将对应生成的向量放入训练好的CNN分类网络中,然后将所得到的结果进行类比,以此来得到对于疾病的提前诊断以及风险预测的结果。与传统的EHR数据集处理方法相比,本文提出的方法不仅可以忽略患者电子健康记录长度差别过大即EHR数据集高维稀疏性对实验结果造成的影响,更加完整地保存患者的相关信息。同时,它也考虑到了患者不同身体指标之间的联系,从而可以更加有效的提取表征信息。实验结果表明,对于充血性心力衰竭和糖尿病,本文中所提出的方法可以提前180天预测更准确的结果,并且在提前90天的时候,准确度达到了99%以上。提前得知某种疾病的患病风险,可以争取更多的时间让医生为患者制定更准确的治疗方案,这在医疗保健史上是一件非常有意义的事情。