[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

本發明公開了一種基于處方數據挖掘的藥物推薦方法，屬于計算機技術領域，本發明直接使用病人的處方藥物日志，具有較高的完備性且容易獲得，與傳統方法直接在醫囑指令級粒度進行推薦不同，本發明首先在較高粒度級預測翌日可能的診療主題組合，再結合各個診療主題下的藥物分布預測各個藥物的服用概率，得到的預測結果具有較好的可解釋性；本發明使用概率后綴樹進行醫療診治過程的建模和服用藥物的預測，該模型更加接近診療過程的實際情況，基于概率后綴樹得到的藥物推薦結果準確率較傳統方法有較高的提升。

技術領域

本發明屬于計算機技術領域，具體涉及一種基于處方數據挖掘的藥物推薦方法。

背景技術

科學用藥對于提高疾病治療效果具有重要作用，然而，藥物處方的開具當前主要依賴于醫師個人的專業知識和經驗。實際上，醫療信息系統積累有大量歷史病患的處方日志，而且，同一病種所需的藥物功效、用藥模式通常有一定的規律可循。基于處方數據對所需藥物及用藥模式進行挖掘分析、進而為醫生制定用藥方案時提供藥物推薦功能具有重要意義。但是現有的推薦方法要么粒度過細、模型復雜，得到的結果解釋性差，要么推薦的準確性差，應用性不強。

發明內容

針對現有技術中存在的上述技術問題，本發明提出了一種基于處方數據挖掘的藥物推薦方法，設計合理，克服了現有技術的不足，具有良好的效果。

為了實現上述目的，本發明采用如下技術方案：

一種基于處方數據挖掘的藥物推薦方法，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)根據功效主題分布的相似性對不同的診療日進行聚類，同一簇中各個診療日用藥具有類似的功效組合，用相同的標簽對其進行標注，將每個患者的用藥流程轉換為一個功效組合標簽序列；(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；