[發明專利]一種藥物適應癥的自動生成方法、裝置、設備及存儲介質

有效

• 申請號: 201811045268.1
• 申請日: 2018-09-07
• 公開（公告）號: CN109273097B
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 張曉堅;王則遠;孫佳星
• 申請（專利權）人: 鄭州大學第一附屬醫院;北京諾道認知醫學科技有限公司
• 主分類號: G16H70/40
• 分類號: G16H70/40
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種藥物適應癥的自動生成方法，其特征在于，包括：

獲取用藥信息；

輸入所述用藥信息至預設模型，以生成與所述用藥信息相對應的藥物適應癥；所述預設模型包括預設用藥信息和預設藥物適應癥之間的對應關系，其中，每種預設用藥信息至少對應一種預設藥物適應癥；

發送所述用藥信息和所述藥物適應癥至第三方，以使所述第三方根據所述用藥信息和所述藥物適應癥驗證用藥效果；所述用藥效果是與每種藥物適應癥一一對應的；

接收所述第三方返回的所有用藥效果，將未達到預設條件的用藥效果對應的目標藥物適應癥從所述預設模型中剔除；如果用藥名稱對應的所有藥物適應癥都被剔除，將所述用藥名稱也從所述預設模型中剔除；

所述預設模型是基于XGBoost算法建立的；

所述預設條件包括用藥不良反應的第一指標數值和用藥副作用的第二指標數值中的至少一個超過對應的預設指標數值；

其中，所述輸入所述用藥信息至預設模型，以生成與所述用藥信息相對應的藥物適應癥，包括：

從患者病例中提取所需要的變量，其中患者病情是否好轉信息作為目標變量，疾病診斷信息和用藥信息為自變量，目標變量和自變量均為0-1二分變量，基于患者病情是否好轉信息、疾病診斷信息以及用藥信息建立藥物適應癥自動生成的數據庫；

對所述目標變量與所述自變量中的用藥信息變量進行卡方檢驗，判斷目標變量與用藥信息變量的關系是否顯著，其中，卡方檢驗原假設為：自變量與目標變量之間沒有顯著關系；如果拒絕原假設則認為自變量與目標變量關系顯著，保留所述自變量，否則剔除，獲得經過處理的藥物適應癥自動生成的數據庫；

根據所述經過處理的藥物適應癥自動生成的數據庫，利用XGBoost算法篩選出給藥規則；

其中，所述XGBoost算法的參數配置包括：

最大決策樹數量=2000、學習率=0.01、最大規則層深=2、決策樹生長所需達到的最小Gain值=0、決策樹復雜度衡量參數=1，

其中，利用XGBoost算法進行監督學習的具體流程如下：

分別輸入患者病情是否好轉目標變量、疾病診斷信息和用藥信息自變量；

定義目標函數，其中，所述目標函數包括損失和正則化項，其中，損失=上一顆樹的誤差（梯度），正則化項=樹的復雜度；優化目標函數要求預測誤差盡可能小，樹的復雜度盡可能低；

利用貪心法進行切分點查找，構建決策樹；

枚舉所有不同的樹結構，選取Gain值最大且超過閾值的方案；如果max(Gain)小于閾值則剪枝終止分裂；

計算葉子結點的分數；

更新決策樹序列，保存構建好的所有決策樹及其得分；

梳理決策樹中的所有規則路徑及相應分數，保留得分為正的規則路徑，并按分數降序排序；

每條規則路徑由兩條規則組成，篩選出其中一條規則為患有某種疾病，另一條規則為使用某種藥物的規則路徑；

根據挑選出的所有疾病和使用藥物信息的規則，參考專業的醫學知識確定最終的疾病與藥物關系，得到基于人工智能的藥物適應癥自動生成結果。

2.根據權利要求1所述的方法，其特征在于，所述用藥信息包括用藥名稱。