【技術實現步驟摘要】
本專利技術涉及計算機，具體涉及一種臨床中西藥聯用相關不良反應的風險預測方法及系統。
技術介紹
1、近年來隨著生物醫藥科學的發展，藥物、疾病機制以及之間的生物通路得到了廣泛研究。
2、現有的臨床實踐中，中西藥的聯合使用越來越普遍，但這種聯合用藥可能會引發不良反應，導致藥物的治療效果和用藥安全性大大降低，目前由于中西藥聯合使用存在的復雜性，檢測和識別中西藥聯用的不良反應對于臨床醫療具有至關重要意義。
3、因此，目前亟需一種臨床中西藥聯用相關不良反應的風險預測方法以解決中西藥聯用的風險預測問題。
技術實現思路
1、針對現有技術的不足，本專利技術提出一種臨床中西藥聯用相關不良反應的風險預測方法及系統。
2、本專利技術第一方面公開了一種臨床中西藥聯用相關不良反應的風險預測方法，該方法包括：
3、采集先驗數據、歷史臨床數據以及現實電子病歷數據，基于所述先驗數據以及歷史臨床數據構建藥物-不良反應的映射關系數據庫；
4、根據所述映射關系數據庫進行所述藥物-不良反應的知識表示學習和知識圖譜建模；
5、根據所述現實電子病歷數據采用自監督模型獲取醫囑信息和潛在不良反應在時間動態圖上的目標特征；
6、構建預測模型，分析預測輸入所述預測模型的醫囑信息與不良反應之間的關系，可視化輸出藥物與不良反應的關聯性、潛在風險以及風險依據。
7、作為一個可選的實施方式，在本專利技術第一方面中，采集先驗數據、歷史臨床數據以及現實
8、采集公開數據源中的先驗數據以及歷史臨床數據，所述公開數據源包括先驗知識庫、實驗室數據庫、生物信息庫、中西藥知識庫以及不良反應報告，所述先驗數據和歷史臨床數據為描述藥物與不良反應相關關系和知識信息的知識經驗數據，采用統一編碼對藥物與不良反應的關系進行整合；
9、采集醫療信息系統以及電子病歷系統中的現實電子病歷數據，所述現實電子病歷數據為描述實際用藥過程中不良反應相關的醫療信息，所述醫療信息包括臨床醫囑、患者用藥以及藥物試驗中藥物處方、用藥癥狀以及不良反應癥狀。
10、作為一個可選的實施方式，在本專利技術第一方面中，基于所述先驗數據和歷史臨床數據構建藥物-不良反應的映射關系數據庫，具體包括：
11、采用實體識別和關系提取獲取所述先驗數據和歷史臨床數據中藥物-不良反應的先驗關系，以及預測所述現實電子病歷數據中藥物-不良反應的實際關系；
12、根據所述先驗關系和實際關系修改藥物與不良反應的關系的統一編碼；
13、基于所述統一編碼通過語義網絡構建實體關系，所述實體關系包括藥物名稱、藥物編號、藥物成分、藥物適用疾病類型、藥物副作用以及靶點間的關系。
14、作為一個可選的實施方式，在本專利技術第一方面中，根據所述映射關系數據庫進行所述藥物-不良反應的知識表示學習，具體包括：
15、獲取不良反應數據集中的原始特征信號；
16、根據所述映射關系數據庫中的實體關系信息和原始特征信號構建初始不良反應圖；
17、將所述初始不良反應圖中的節點映射到低維向量空間獲得節點向量以及關系節點向量，所述節點向量表示實體，所述關系節點向量表示實體的關聯知識。
18、作為一個可選的實施方式，在本專利技術第一方面中，根據所述映射關系數據庫進行所述藥物-不良反應的知識圖譜建模，具體包括：
19、根據歷史不良反應數據集獲得不良反應動態圖，形成藥物與不良反應的知識圖譜，所述不良反應動態圖包括歷史臨床數據中藥物與不良反應的歷史節點時序集；
20、基于時序圖網絡和注意力機制構建自監督學習模型，采用所述歷史節點時序集、節點向量以及關系節點向量作為所述自監督學習模型的輸入。
21、作為一個可選的實施方式，在本專利技術第一方面中，根據所述歷史臨床數據采用自監督模型獲取醫囑信息和潛在不良反應在時間動態圖上的目標特征，具體包括：
22、通過注意力機制融合輸入所述自監督學習模型的局部特征，獲取所述不良反應動態圖中表示藥物與不良反應隨時間變化的目標特征，所述目標特征為不良反應動態圖中節點內表達的實體關系；
23、采用特征消融評估所述目標特征預測藥物與不良反應關聯性的影響值。
24、作為一個可選的實施方式，在本專利技術第一方面中，構建預測模型，分析預測輸入所述預測模型的醫囑信息與不良反應之間的關系，可視化輸出藥物與不良反應的關聯性、潛在風險以及風險依據，具體包括：
25、采用深度神經網絡構建預測模型，根據注意力機制將所述自監督學習模型預訓練的目標特征進行融合，基于二元標簽分類選擇預測模型的交叉熵，采用adam優化器持續更新網絡權重優化所述預測模型；
26、獲取醫囑信息中的節點時序數據，以及將原始特征信號、節點向量、關系節點向量、目標特征以及影響值作為預測特征同所述節點時序數據輸入預測模型進行預測分析；
27、根據所述二元標簽分類將所述預測模型的輸出設定為新鏈接分類任務，根據所述分類任務輸出預測結果，獲得患者根據醫囑信息在預測病程時間內藥物與不良反應的關聯性，根據所述影響值確定藥物與不良反應的影響程度；
28、將所述相關系及影響程度可視化為目標不良反應圖，根據所述目標不良反應圖識別所述醫囑信息的潛在風險。
29、本專利技術第二方面公開了一種臨床中西藥聯用相關不良反應的風險預測系統，所述系統包括：
30、數據獲取模塊,用于采集先驗數據、歷史臨床數據以及現實電子病歷數據，基于所述先驗數據以及歷史臨床數據構建藥物-不良反應的映射關系數據庫；
31、知識建模模塊，用于根據所述映射關系數據庫進行所述藥物-不良反應的知識表示學習和知識圖譜建模；
32、預測訓練模塊，用于根據所述現實電子病歷數據采用自監督模型獲取醫囑信息和潛在不良反應在時間動態圖上的目標特征；
33、風險識別模塊，用于構建預測模型，分析預測輸入所述預測模型的醫囑信息與不良反應之間的關系，可視化輸出藥物與不良反應的關聯性、潛在風險以及風險依據。
34、作為一個可選的實施方式，在本專利技術第二方面中，所述數據獲取模塊采集先驗數據、歷史臨床數據以及現實電子病歷數據，具體包括：
35、采集公開數據源中的先驗數據以及歷史臨床數據，所述公開數據源包括先驗知識庫、實驗室數據庫、生物信息庫、中西藥知識庫以及不良反應報告，所述先驗數據和歷史臨床數據為描述藥物與不良反應相關關系和知識信息的知識經驗數據，采用統一編碼對藥物與不良反應的關系進行整合；
36、采集醫療信息系統以及電子病歷系統中的現實電子病歷數據，所述現實電子病歷數據為描述實際用藥過程中不良反應相關的醫療信息，所述醫療信息包括臨床醫囑、患者用藥以及藥物試驗中藥物處方、用藥癥狀以及不良反應癥狀。
37、作為一個可選的實施方式，在本專利技術第二方面中，所述數據獲取模塊基于所述先本文檔來自技高網...
【技術保護點】
1.一種臨床中西藥聯用相關不良反應的風險預測方法，應用于風險預測系統，其特征在于，所述方法包括：
2.根據權利要求1所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，采集先驗數據、歷史臨床數據以及現實電子病歷數據，具體包括：
3.根據權利要求2所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，基于所述先驗數據和歷史臨床數據構建藥物-不良反應的映射關系數據庫，具體包括：
4.根據權利要求3所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，根據所述映射關系數據庫進行所述藥物-不良反應的知識表示學習，具體包括：
5.根據權利要求4所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，根據所述映射關系數據庫進行所述藥物-不良反應的知識圖譜建模，具體包括：
6.根據權利要求5所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，根據所述歷史臨床數據采用自監督模型獲取醫囑信息和潛在不良反應在時間動態圖上的目標特征，具體包括：
7.根據權利要求1所述的臨床中西藥聯用相關不良反應的風
8.一種臨床中西藥聯用相關不良反應的風險預測系統，其特征在于，所述系統包括：
9.一種臨床中西藥聯用相關不良反應的風險預測設備，其特征在于，包括：
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1至7任一項所述的臨床中西藥聯用相關不良反應的風險預測方法。
...【技術特征摘要】
1.一種臨床中西藥聯用相關不良反應的風險預測方法，應用于風險預測系統，其特征在于，所述方法包括：
2.根據權利要求1所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，采集先驗數據、歷史臨床數據以及現實電子病歷數據，具體包括：
3.根據權利要求2所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，基于所述先驗數據和歷史臨床數據構建藥物-不良反應的映射關系數據庫，具體包括：
4.根據權利要求3所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，根據所述映射關系數據庫進行所述藥物-不良反應的知識表示學習，具體包括：
5.根據權利要求4所述的臨床中西藥聯用相關不良反應的風險預測方法，其特征在于，根據所述映射關系數據庫進行所述藥物-不良反應的知識圖譜建模，具體包括：
6.根據權利要求...
【專利技術屬性】
技術研發人員：翁衡，肖波，
申請(專利權)人：廣東省中醫院廣州中醫藥大學第二附屬醫院，廣州中醫藥大學第二臨床醫學院，廣東省中醫藥科學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。