[發明專利]一種基于機器學習的藥品風險分級評估方法

有效

• 申請號: 201811030444.4
• 申請日: 2018-09-05
• 公開（公告）號: CN109273096B
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 魏建香;劉天宇;劉美含
• 申請（專利權）人: 南京郵電大學
• 主分類號: G16H70/40
• 分類號: G16H70/40
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 牛莉莉

1.一種基于機器學習的藥品風險分級評估方法，其特征在于：包括以下步驟：

步驟1)，獲取原始ADR數據庫，并進行數據處理：其中原始ADR數據庫為國家中心的ADR數據；數據的處理包括對原始ADR數據庫進行規整以及篩選報告頻次大于等于3的數據；

步驟2)，查閱資料，探索影響藥品不良反應風險等級大小的相關因素；并按照以下三個因素作為評判標準：T₁：嚴重報告率，T₂：傷害度指數，T₃：ADR覆蓋率；

步驟3)，對數據進行人工標注，結合臨床專家經驗、國家不良反應信息通報、病例報道、醫學文獻、國際藥物警戒專業網站信息對部分的常規用藥進行打分，分值為0-5分，擬分五個等級：[0,1]為A級；[1,2]為B級；[2,3]為C級；[3,4]為D級；[4,5]為E級；并將標注后的數據集作為訓練數據；

步驟4)，由步驟3中獲得的訓練數據建立風險等級評價指標T，T＝α₁T₁+α₂T₂+α₃T₃，約束條件：α₁+α₂+α₃＝1且α_i∈(0，1)，i＝1～3；

以標準數據集為參考目標，利用群體智能優化算法對指標中的三個參數α₁，α₂，α₃進行優化，優化過程中需要將T規格化為[0,5]之間，得到最優權重；

步驟5)，將三種因素T₁，T₂，T₃按照權重公式進行定義，引入風險程度的概念，定義為T；以藥品不良反應監測數據為基礎，以優化后的指標T對總體數據進行標注，以“藥品”為對象，以“不良反應”為特征，構建藥品在不良反應特征空間分布的數據集D，用于機器學習；

步驟6)，利用數據集D和多類分類技術進行分類學習，得到分類精度≥85％的分類模型；該分類模型可以對新上市藥品的風險等級值進行預測。

2.根據權利要求1所述的基于機器學習的藥品風險分級評估方法，其特征在于，所述步驟1的詳細步驟如下：

步驟1)

步驟1.1)，獲取原始ADR數據庫，原始ADR數據從國家藥品不良反應監測中心獲得；本數據是國家藥品評價中心藥品不良反應自發呈報系統數據庫2010～2011年采集的不良反應報告，作為分析數據；

步驟1.2)，數據處理；

步驟1.2.1)，針對原始數據存在缺項、重復、藥品名稱和不良反應名稱不規范的問題，將數據中的缺項記錄進行刪除，重復項做唯一化處理，不規范的名稱重新規范化；

步驟1.2.2)，用Microsoft Visual FoxPro軟件對數據進行預處理，篩選數據量≥3的西藥數據，按照品種名稱和不良反應名稱對應形成新的表格。

3.根據權利要求2所述的基于機器學習的藥品風險分級評估方法，其特征在于：所述步驟1.2.2)中共有1763種藥品以及對應的879種不良反應。