[發明專利]一種基于條件隨機場模型的醫藥消費指引方法

在審

• 申請號: 201611185293.0
• 申請日: 2016-12-20
• 公開（公告）號: CN106599588A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 戴青云;蔡君;羅建楨;魏文國;雷方元
• 申請（專利權）人: 廣東技術師范學院
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06Q30/06
• 代理公司: 北京科億知識產權代理事務所(普通合伙)11350
• 代理人: 肖平安

技術領域

本發明涉及一種基于條件隨機場模型的醫藥消費指引方法。

背景技術

隨著醫藥電商市場的全面啟動，市場規模的持續增長，怎樣通過用戶的信息，包括其體征參數、病史、環境參數、臨床特征等參數，向患者提供醫藥消費指引成為了線上醫藥平臺提高患者用戶體驗，增強平臺吸引力的關鍵技術。隨著網絡和信息技術的不斷普及，人類產生的數據量正在呈指數級增長，而云計算的誕生，更是直接把我們送進了大數據時代。在這一大背景下，大數據也觸動著醫藥行業管理者的神經，攪動著醫藥行業管理者的思維；大數據在醫藥行業釋放出的巨大價值吸引著諸多醫藥行業人士的興趣和關注。如何應用醫藥大數據，為患者提供藥品消費指引，這不僅是患者的需求，而且是線上醫藥平臺積聚大數據應提供的基本服務。而目前的方法主要積聚于藥品的療效或患者的某一因素加以考慮，顯然準確率不高。

發明內容

本發明針對現有技術的不足，提供一種基于條件隨機場模型的醫藥消費指引方法。該方法提出了一種根據患者的體征參數、病史、環境參數、臨床特征等參數形成觀察值空間，構建條件隨機場模型，運用Quasi-Newton優化技術估計模型參數，預測臨床特征對應的最佳治療藥物的方法。本專利提出的醫藥消費指引機制不僅為患者選擇藥品提供了參考，而且提升了企業醫藥平臺的用戶吸引力。

為了達到上述目的，本發明一種基于條件隨機場模型的醫藥消費指引方法，主要包括以下步驟：

第一步、訓練數據預處理；

第二步、估計模型的參數；

第三步、采集用戶的購藥請求數據；

第四步、根據用戶的輸入數據，提取用戶的特征數據序列；

第五步、以用戶的特征數據序列為觀測值，使用訓練好的模型推斷用戶的標記序列；

第六步、對標記序列進行整合；

第七步、輸出推薦藥品清單。

優選地，所述第一步訓練數據預處理包括有數據清洗，數據序列化和CRF特征函數采樣這三個任務。

優選地，所述第二步估計模型的參數采用的方法為Quasi-Newton優化方法。

優選地，所述第五步使用訓練好的模型推斷用戶的標記序列的推斷方法為基于Viterbi算法。

優選地，所述第六步對標記序列進行整合包括有去重和藥品禁忌搭配檢測這兩個任務。

所謂觀測值空間為病人的體征參數、病史、環境參數、臨床特征等參數組成的集合，表示為x＝{x₁,x₂,...,x_n}，標記的取值空間為對應臨床特征的治療藥物，表示為y＝{y₁,y₂,...y_n}。

本發明提出了一種根據患者的體征參數、病史、環境參數、臨床特征等參數形成觀察值空間，構建條件隨機場模型(Conditional Random Fields,簡稱CRF)，運用Quasi-Newton優化技術估計模型參數，預測臨床特征對應的最佳治療藥物的方法。

附圖說明

圖1為本發明基于條件隨機場模型的醫藥消費指引方法的流程示意圖。

具體實施方式

以下結合附圖和具體實施例對本發明進行詳細描述，但不作為對本發明的限定。

所謂觀測值空間為病人的體征參數、病史、環境參數、臨床特征等參數組成的集合，表示為x＝{x₁,x₂,...,x_n}，標記的取值空間為對應臨床特征的治療藥物，表示為y＝{y₁,y₂,...y_n}。

在給定觀測序列x的條件下,標記序列y的后驗概率分布p(y|x)為：

其中，和是一個二值函數，前者表示在i時刻整個觀察序列和標記的特征，是一個狀態函數；而后者表示整個觀察序列和相應標記序列在i和i-1時間的特征，是一個轉移函數。

醫藥消費指引模型的參數模型表示為：θ＝{μ,λ}，其中，μ,λ分別為和的模型參數向量。

模型的參數估計的目標函數為參數估計問題的問題方法是采用Quasi-Newton優化技術，求解

模型的藥物指引推斷任務可描述為:給定一個待標記的觀測序列x,和訓練得到的CRF模型，基于Viterbi算法推斷它最大可能的標記標記序列，即計算：

模型輸入：觀測值序列；模型輸出：臨床特征對應的最佳治療藥物。