[發明專利]基于藥物顯隱式特征融合相似性的不良反應預測方法

有效

• 申請號: 202110846348.2
• 申請日: 2021-07-26
• 公開（公告）號: CN113362886B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 王磊;梁錦威;張建;石巖
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G16B15/30
• 分類號: G16B15/30;G06N3/04
• 代理公司: 北京卓特專利代理事務所(普通合伙) 11572
• 代理人: 田冰;段旺

本發明提供了基于藥物顯隱式特征融合相似性的不良反應預測方法，該方法基于相似的藥物有可能會具有相似的不良反應的假設，利用藥物的顯式特征和隱式特征，通過將藥物的顯式特征相似性和藥物的隱式特征相似性相融合，改進藥物相似性的度量方法，找出與目標藥物相似性最高的N_k個藥物(N_k個最近鄰居)，通過這些最近鄰居對目標不良反應的關聯來預測目標藥物對目標不良反應的關聯強度，最后根據預測得出的目標藥物對各個不良反應的關聯強度的排序，選取關聯強度較高的TOPK個不良反應作為目標藥物的不良反應，從而實現對藥物潛在不良反應的預測。

技術領域

本發明涉及藥物安全監測、數據挖掘及機器學習領域，具體是一種基于藥物顯隱式特征融合相似性的不良反應預測方法。

背景技術

隨著社會的發展和醫療水平的不斷提高，越來越多的疾病可以通過藥物來進行醫治，人們的生活質量也因此得到了明顯提高。然而藥物本身具有兩重性：一方面能夠發揮治療作用治療疾病，另一方面藥物本身也有一定的毒副作用，并可能導致藥物不良反應(Adverse Drug Reaction,ADR)的發生。根據世界衛生組織(World Health Organization，WHO)國際藥物檢測合作中心的定義，所謂藥物不良反應，指的是合格藥物在正常使用的情況下，出現的與用藥目的無關的有害副作用、毒性反應、過敏反應、三致作用(致畸形、致突變、致癌等)、后遺反應、繼發性反應等。據不完全統計，我國所有住院患者中，有20％左右的患者出現了ADR事件。世界衛生組織也表示，在全世界所有的死亡病例當中，約有50％的患者死于藥物不良反應。

由于藥物不良反應的危害性與嚴重性，我們需要采取措施對上市藥物的安全進行嚴格的監測，一旦發現高度疑似不良反應信號，就必須上報給相關單位進行研究、分析和管理，減少用藥隱患。

在傳統的不良反應信號檢測方法中，有基于統計學的比例失衡分析法(Disproportionality Analysis，DPA)，例如比例報告比值比法(proportional reportingratio，PRR)、報告比值比法(reporting odds ratio，ROR)、貝葉斯置信度遞進神經網絡法(bayesian confidence propagation neural network，BCPNN)、多項經驗貝葉斯伽馬泊松分布縮減法(multiple item empirical bayesian gamma poisson shrinker，MGPS)等。隨著大數據的興起，基于大數據的機器學習方法也逐漸用于藥物-不良反應信號的檢測，主要的檢測方法分為兩大類：基于相似性的方法和基于分類模型的方法。基于相似性的方法采用相似的藥品有可能發生著相同不良反應的這一假設；而基于分類模型的方法是把藥物-不良反應的預測問題看作二分類問題，利用傳統的數據挖掘或機器學習方法進行檢測。

由于基于相似性的方法預測性能更好，可解釋性更強，更能說明藥物引發不良反應的原因，因而在本發明中，提出一種基于藥物顯隱式特征融合相似性的不良反應關聯強度預測方法，通過該方法對藥物-不良反應的關聯強度進行預測，并按照關聯強度降序排序，將關聯強度較高的TOP K個不良反應作為藥物的不良反應，從而實現藥物潛在不良反應的預測，為醫藥安全領域提供參考。

發明內容

本發明提供一種基于藥物顯隱式特征融合相似性的不良反應預測方法，該方法基于相似的藥物有可能會具有相似的不良反應的假設，利用藥物的顯式特征和隱式特征，通過將藥物的顯式特征相似性和藥物的隱式特征相似性相融合，改進藥物相似性的度量方法，找出與目標藥物相似性最高的N_k個鄰居(N_k個最近鄰居)，通過這些最近鄰居來預測目標藥物對目標不良反應的關聯強度，最后根據預測得出的目標藥物對各個不良反應的關聯強度的排序，選取關聯強度較高的TOPK個不良反應作為目標藥物的不良反應，從而實現對藥物潛在不良反應的預測。

本發明的具體內容如下：