为了提供更好的医疗保健服务，医学界对可用于数据驱动诊断的机器学习方法进行了积极的研究。对于临床医生来说，一项重要的任务是对与正在接受治疗的患者具有相似病情的一系列患者的病历进行分析，使得他们能高自信地做出诊断。但是，由于这些病历的高维性、时间上的不规则性、稀疏性等，进行这种分析并不容易。

为了解决这一难题，本文引入了一种病历相似度计算方法，在比对时采用事件和序列嵌入。当使用自动编码器进行事件嵌入时，我们采用它的变体连同自注意机制进行序列嵌入。此外，为了更好地处理数据的不规则性，考虑到不同的时间间隔，增强了自我注意机制。本文开发了一个可视分析系统来支持对病历的比较研究。为了便于比较不同长度的序列，本文的系统采用了序列对齐方法。

过交互界面，用户可以快速找到感兴趣的患者，并方便地查看其病历的时间和多变量方面的信息。我们使用加州大学戴维斯分校新生儿重症监护病房的真实数据集作为研究案例，证明了我们的设计和系统的有效性。