[發明專利]一種基于處方數據挖掘的藥物推薦方法有效

申請號：	201810920564.5	申請日：	2018-08-14
公開（公告）號：	CN109243567B	公開（公告）日：	2021-11-02
發明（設計）人：	魯法明;朱冠燁;包云霞;李鵬飛	申請（專利權）人：	山東科技大學
主分類號：	G16H20/13	分類號：	G16H20/13;G16H50/70;G06F16/35;G06K9/62
代理公司：	青島智地領創專利代理有限公司 37252	代理人：	種艷麗
地址：	266590 山東省青島***	國省代碼：	山東;37
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于處方數據挖掘藥物推薦方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于處方數據挖掘的藥物推薦方法，其特征在于：首先進行如下假設：

(1)假設特定病種治療所需的藥物功效分為多個主題，患者每日所服藥物按照多項分布服務于部分功效主題，且每個功效主題下需要采用的藥物也服從多項分布，在此假定下借助LDA模型從服藥日志中訓練患者每個診療日的功效主題分布以及每個功效主題下的藥物分布；(2)假設同一簇中各個診療日用藥具有類似的功效組合；(3)假設每日用藥的功效組合服從變階馬爾科夫模型，基于歷史患者的功效組合標簽序列構造概率后綴樹，基于此概率后綴樹對處于診療過程中的患者進行逐日用藥推薦；

所述的基于處方數據挖掘的藥物推薦方法，具體包括如下步驟：

步驟1：獲取數據；通過醫院信息系統獲取往屆病人的處方藥物信息，并進行脫敏處理，包括病人編號、病人確診病種、病人用藥開始、結束時間以及藥物名稱，最終整理成所需的日志格式；

步驟2：數據預處理；為保證原始數據的準確可靠，選擇以藥物治療為主要治療手段的病癥為研究對象，通過診斷結論篩選某一病種病人，過濾住院時間過長或者過短的病人日志，此外，剔除處方中出現總次數少于或者多于某一閾值的藥物，保留的記錄包括病人ID和服藥時間信息、藥物名稱；

步驟3：類比LDA主題模型中詞、文檔、文檔集的概念，將患者單日所服藥物的總和類比為一個文檔，每種藥物類比為一個詞，借助LDA主題模型對藥物進行聚類，每個類實際對應一個藥物功效主題，同時得到各個患者各個診療日的藥物功效主題分布以及各個功效主題下藥物的多項式分布；

步驟4：使用K-means++算法對功效主題分布相似的診療日進行聚類，聚類標簽作為這些診療日藥物功效組合的標識；

步驟5：結合患者歷史用藥信息構建各個患者的每日用藥功效組合標簽序列，以這些序列為輸入訓練出該類病癥藥物治療過程的概率后綴樹模型；

步驟6：從概率后綴樹模型的根節點出發，按序列倒序的方式與各層節點進行匹配，尋找能匹配成功的原序列的最長后綴，假設匹配成功時位于節點Node(S)處，該節點之標簽對應的后繼標簽概率向量記為P_Next(Node(S))；記功效組合標簽X對應的功效主題多項式分布中，主題t對應的出現概率為P_{EffTop|DateClu}(X)|_t，功效主題t對應的藥物多項式分布中，藥物drug對應的出現概率為P_drug|EffTop(t)|_drug，則對于任意藥物d，其翌日服用的概率計算公式如下所示，其中t與X分別取盡所有的藥物功效主題與功效組合標簽：

P_Drug|Seq(d,S)＝∑_X∑_tP_drug|EffTop(t)|_d*P_{EffiTop|DateClu}(X)|_t*P_Next(Node(S))|_X。