[發明專利]一種面向大數據的潛在藥物不良反應數據挖掘方法

有效

• 申請號: 201510093861.3
• 申請日: 2015-03-02
• 公開（公告）號: CN104765947B
• 公開（公告）日: 2017-12-26
• 發明（設計）人: 林鴻飛;趙明珍
• 申請（專利權）人: 大連理工大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 大連星海專利事務所有限公司21208
• 代理人: 徐雪蓮

技術領域

本發明涉及數據挖掘方法領域，涉及一種面向大數據的潛在藥物不良反應數據挖掘方法。

背景技術

藥物不良反應(Adverse Drug Reactions，簡稱ADRs)已經成為醫學界和民眾關注的熱點，用藥安全問題日益得到全社會的重視。盡管藥物上市前會進行相應的臨床試驗，但是由于人群的數量及試驗周期等限制，導致臨床試驗無法揭露藥物所有的不良反應。從而造成具有潛在藥物不良反應的新藥流入市場，對公眾健康產生了巨大的威脅。因此，如何挖掘藥物的不良反應具有重大的理論價值和實用價值。

對于上市藥物潛在不良反應挖掘的研究，主要依托于醫院提供的電子病例以及藥物不良反應自發報告系統所收集的藥物不良事件報告。醫院的電子病歷系統具有完整的、格式化的病人信息記錄，但是由于隱私保護等原因，這些信息外界是無法得到的。經過多年的收集，藥物不良事件自發報告系統已積累了大量的藥物不良事件報告，這些不良事件報告來自醫生或者病人，其包含的藥物不良反應關系尚未得到醫學上的驗證。經過匿名化等隱私保護處理，這些不良事件報告對外公開，為科研人員提供了寶貴的數據資源。而大多現有的研究主要針對其中的某類藥物和某些不良反應進行潛在關系的挖掘，其泛化性能并不高。

發明內容

本發明的目的是提供一種可靠性強，適用于潛在藥物不良反應的挖掘與預警的面向大數據的潛在藥物不良反應數據挖掘方法。

本發明解決現有技術問題所采用的技術方案：一種面向大數據的潛在藥物不良反應數據挖掘方法，其特征在于，該方法包括以下步驟：

A、抓取藥物不良事件報告：在本地構建藥物不良事件數據集，利用爬蟲技術從已知的藥物不良事件報告數據庫中抓取包含有藥名文本數據的藥物不良事件報告，并以字符串形式存儲于所述藥物不良事件數據集中；所述藥名文本數據為出現在藥物不良事件報告的藥名域中的文本數據。

B、對藥物不良事件數據集的藥物不良事件報告進行數據預處理；所述數據預處理過程包括以下步驟：

B1、藥名文本數據規范化：利用正則表達式對所述藥物不良事件報告中的藥名文本數據進行規范化；

B2、生成候選藥名片段：對于規范化后的藥名文本數據中所包含有‘+’、‘-’、‘/’符號的藥名文本，通過‘+’、‘-’、‘/’符號對藥名文本進行切分，以形成候選藥名片段；

B3、基于頻率的候選藥名片段去噪：

在步驟B2所形成的候選藥名片段中所存在的無對應藥名的文本數據，預設最小頻率閾值，并將出現次數小于該閾值的藥名片段從候選藥名片段中過濾掉,得到藥物名稱列表；

C、藥名標準化：利用生物醫學命名實體識別技術，對藥物名稱列表中的藥物名稱進行藥名標準化；藥名標準化的具體方法為：通過利用MetaMap系統對藥物名稱列表進行生物醫學實體識別，并將識別到的生物醫學實體映射到UMLS的超級敘詞表中形成不良反應藥物列表(d1,d2,…,dm)和不良反應列表(a1,a2,…,an)；

D、過濾已知不良反應：對于步驟C得到的不良反應藥物列表(d1,d2,…,dm)和不良反應列表(a1,a2,…,an)，在每份藥物不良事件報告中，將不良反應藥物列表中的藥物di的已知不良反應aj從不良反應列表中去除，得到過濾后的不良反應列表(a1,a2,…,aj-1,aj+1,…,am)；

E、關聯度計算：包括以下步驟：

E1、在已知的藥物不良事件報告數據庫中，統計不良事件藥物列表中藥物di出現的次數、不良反應aj出現的次數以及該藥物di和不良反應aj的共現次數；

E2、計算藥物di出現的情況下不良反應aj出現的條件概率p(aj|di)，和不良反應aj出現的情況下藥物di出現的條件概率p(di|aj)；

其中，fre(di)為藥物di出現的次數，fre(aj)為不良反應aj出現的次數，fre(ai,dj)為藥物di和不良反應aj的共現次數；

E3、關聯度計算：利用雙條件概率乘積法，計算藥物di和不良反應aj的關聯度：sim(di,aj)＝p(aj|di)*p(di|aj)；

F、關聯度排序：對于藥物di，根據步驟E3的藥物和不良反應之間的關聯度sim(di,aj)值，對所有的不良反應按照降序排列，取排列次序在前的不良反應作為藥物di的潛在藥物不良反應。

所述已知的藥物不良事件報告數據庫為公共開放數據集或電子病歷。

在步驟B3中，預設最小頻率閾值為100。