[發明專利]一種基于智能決策的藥品療效預測方法和裝置

在審

• 申請號: 201811235389.2
• 申請日: 2018-10-23
• 公開（公告）號: CN109273098A
• 公開（公告）日: 2019-01-25
• 發明（設計）人: 王偉
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G16H70/40
• 分類號: G16H70/40
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種基于智能決策的藥品療效預測方法，其特征在于，所述方法包括：

獲取需要進行療效預測的目標藥品和所述目標藥品的組成成分；

從醫療數據庫獲取包含所述目標藥品的組成成分的相似藥品對應的醫療數據，對所述醫療數據進行特征提取，獲取所述醫療數據的特征向量；

根據所述醫療數據的特征向量建立藥品療效預測模型；

將所述目標藥品的組成成分輸入藥品療效預測模型中，進行所述目標藥品的療效預測，獲得所述目標藥品的療效預測結果。

2.根據權利要求1所述的方法，其特征在于，所述獲取需要進行療效預測的目標藥品和所述目標藥品的組成成分包括：

獲取需要進行療效預測的目標藥品并確定目標藥品的藥品類別，所述藥品類別包括西藥類別或中成藥類別；

若所述目標藥品為西藥類別，則獲取所述西藥類別的化學合成成分作為所述目標藥品的組成成分；

若所述目標藥品為中成藥類別，則獲取所述重要類別的藥材構成作為所述目標藥品的組成成分。

3.根據權利要求2所述的方法，其特征在于，所述從醫療數據庫獲取包含所述目標藥品的組成成分的相似藥品對應的醫療數據，對所述醫療數據進行特征提取，獲取所述醫療數據的特征向量，包括：

從藥品組成成分數據庫中獲取與目標藥品的組成成分相似度超過第一預設閾值的藥品，確定為相似藥品；

從醫療數據庫中獲取包含所述相似藥品的醫療數據，所述醫療數據包括患者的診斷結果和用藥情況；

從所述診斷結果中提取與所述相似藥品對應的目標癥狀，從所述用藥情況中提取與所述相似藥品相關的目標用藥情況，所述目標用藥情況包括用藥劑量或給藥途徑；

將所述目標癥狀、相似藥品和所述目標用藥情況結合，生成所述醫療數據的特征向量。

4.根據權利要求3所述的方法，其特征在于，所述根據所述醫療數據的特征向量建立藥品療效預測模型，包括：

從醫療數據庫中獲取包含所述相似藥品的實驗醫療數據，并將所述實驗醫療數據按照存儲時間順序分為訓練集數據和驗證集數據；

獲取所述訓練集數據中的樣本醫療數據對應的所述特征向量；

獲取所述樣本醫療數據的治療結果，所述治療結果包括有效或無效；

將所述特征向量中的所述目標診斷結果、所述相似藥品和所述目標用藥情況作為樣本屬性值，將所述治療結果作為分類類型，進行貝葉斯預測模型訓練，獲得貝葉斯分類器；

將所述驗證集數據輸入所述貝葉斯分類器中，確定所述貝葉斯分類器的有效性，并將所述貝葉斯分類器作為所述藥品療效預測模型。

5.根據權利要求4所述的方法，其特征在于，所述將所述特征向量中的所述目標診斷結果和所述目標用藥情況作為樣本屬性值，將所述治療結果作為分類類型，進行貝葉斯預測模型訓練，獲得貝葉斯分類器，具體包括：

將所述治療結果作為分類類型，確定所述分類類型對應的先驗概率；

將所述目標診斷結果、所述相似藥品和所述目標用藥情況作為相互獨立的屬性值，統計并確定所述相互獨立的屬性值在不同分類類型情況下的條件概率；

根據所述先驗概率和所述條件概率，計算確定后驗概率，所述后驗概率用于表征所述治療結果的概率分布；

將樣本醫療數據指派于后驗概率最大的一組分類類型，獲得貝葉斯分類器。

6.根據權利要求1-5所述的方法，其特征在于，所述將所述目標藥品的組成成分輸入藥品療效預測模型中，進行所述目標藥品的療效預測，獲得所述目標藥品的療效預測結果，包括：

將所述目標藥品的組成成分和所述藥品療效預測模型中的相似藥品的組成成分進行相似度匹配，確定兩者的相似度；

根據所述藥品療效預測模型中所述相似藥品的分類類型結果預測值，結合所述相似度，確定所述目標藥品的分類類型結果預測值；

根據所述目標藥品的分類類型結果預測值確定所述目標藥品的療效預測結果。