[發明專利]基于協同過濾和建議的個性化醫學決定支持系統

在審

• 申請號: 201611140089.7
• 申請日: 2016-12-12
• 公開（公告）號: CN107169259A
• 公開（公告）日: 2017-09-15
• 發明（設計）人: 郭棟梁;連杰;牟曉佳
• 申請（專利權）人: 為朔生物醫學有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 北京中企鴻陽知識產權代理事務所(普通合伙)11487
• 代理人: 郭鴻雁

1.一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：包括病歷原數據庫、定義目標檢索模塊、建議和檢索過濾系統；

所述病歷原數據庫包含患者的治療史文件、個人電子病例文件、其他相關文件，所述治療史文件、所述個人電子病例文件、所述其他相關文件組成高維數特征數據；

所述定義目標檢索模塊用于通過數據清理將所述病歷原數據庫中的數據生成患者特征矩陣并轉化為檢索特征矩陣，傳遞給建議和檢索過濾系統；

所述建議和檢索過濾系統將檢索特征矩陣進行降維后，創建建議優先順序表，用于根據選擇和設計治療特定疾病，參考其他類似患者用于治療副作用研究和/或其它目的。

2.如權利要求1所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述個人電子病例文件包括每個患者的病例、病理信息和基因組特征信息，所述病理信息至少包括患者年齡、吸煙史、癌癥分期和家族病史；所述基因組特征信息還包括基因組測序結果，用于為給定患者人群模擬不同治療方案和優化治療進度。

3.如權利要求1所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述其他相關文件至少包括抗癌藥物數據庫中的基因組學和藥物基因組學數據、環境條件、微生物特征，用于搜索更多類似性案例，完善藥物對特征數據的響應。

4.如權利要求1所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述定義目標檢索模塊的工作步驟如下：

首先，對病歷原數據庫內的高維數特征數據進行數據收集和預處理，估算丟失的數據和廢棄冗余信息；

其次，生成建議系統后續培訓和測試的特征集；

最后，生成檢索對象特征矩陣，在檢索對象特征矩陣中，每個檢索對象都代表一位患者。

5.如權利要求4所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述定義目標檢索模塊對病歷原數據庫內的高維數特征數據進行數據收集和預處理的步驟如下：

首先，確定疾病模型；

接著，根據疾病模型，從病歷原數據庫中檢索相關數據；

然后，對來自病歷原數據庫中的相關數據進行反規范化；

之后，對反規范化后的相關數據重新收集數據和進行分類；

其次，對重新收集和分類的數據進行必要的格式化和清理；

最后，進行特征設計。

6.如權利要求5所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述特征設計的步驟如下：

首先，理解任務和源數據，從而過濾有用信息；

接著，刪除或合并不需要和冗余的特征；

然后，對現有特征進行混合處理，創建新特征；

之后，重新構建數值量；

最后，生成特征集。

7.如權利要求6所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述創建新特征的步驟如下：

首先，將現有特征進行分類，再將分類數據分解為數值數據；

接著，組合現有特征；

然后，將組合后的現有特征，轉化為相關數據；

其次，從數據庫中提取特征；

最后，將外部資源指定不同特征的權重系數后加入新特征中。

8.如權利要求6所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述特征設計的步驟中，重新構建數值量采用二值化和離散化的方法。

9.如權利要求1所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述降維包括以下步驟：

首先對檢索對象特征矩陣進行降維，處理稀疏數據和獲取有用信息，然后執行檢測步驟；

如果是大數據集，則將大數據集形成項目群集或鄰居，使大數據集變成低維數據；

如果不是大數據集，則判斷為低維數據；

接著，計算檢索目標與低維數據之間成對關聯性；

然后，根據關聯性結果，建立判定目標檢索對象的類似患者順序表；

最后，根據類似患者順序表中的關聯性得分提供建議。

10.如權利要求1所述的一種基于協同過濾和建議的個性化醫學決定支持系統，其特征在于：所述建議和檢索過濾系統工作步驟如下：

根據擬定的臨床問題將以前的設計特征進行分類和安排；

使用建議系統模型返回類似患者列表，從而查詢他們的相關信息和文件；

對建議系統的輸出進行嚴格評估和檢查；

將建議系統推廣至若干測試病情；

利用信息過濾和檢索，用戶可輸入信息要求，系統通過識別與檢索對象相關的信息來源提供響應；

根據預測能力、方法對建議系統進行評估，包括計算其預測準確度；

如果測試結果可接受，將接受和使用該模型；相反，如果結果不可接受，將拒絕該模型并根據反饋重新循環響應，以改進建議系統性能。