伴隨著醫療文獻數據庫的快速增長，缺乏經驗的初級醫師在為患者開處方時難以閱讀大量的醫療文獻來獲得科學的決策輔助。2013年提出的MedRank算法從Medline數據庫中提取醫學信息異構星型網絡，基于“有療效的藥物是由好的文章提及的，好的文章是由優秀的作者寫的并刊登在高水平的期刊上”的假設，旨在為各類疾病的患者推薦最具有療效的藥物。該算法仍然存在幾個問題：1）模型輸入的疾病不是獨立的疾病；2）推薦的結果不是具體的藥物；3）沒有考慮文章的發表時間等其他因素；4）沒有定義判定作者、期刊、文章是“好的”的標準。對以上問題進行了研究并提出HIC-MedRank算法，該算法納入作者的H指數、期刊的影V向因子、文章的引用數作為評判作者、期刊、文章是否優秀的指標，并綜合考慮文章的發表時間、支持機構、發表類型等因素，為高血壓合并慢性腎臟病（CKD）患者推薦最佳的降壓藥物。在Medline數據集上的實驗結果顯示HIC-MedRank推薦的藥物比MedRank算法推薦的藥物更為精準，與主治醫師投票選擇的藥物較為一致，與美國成人高血壓治療指南（JNC）推薦的藥物一致性達到80%。
?