一种药物‑疾病关联关系分析系统及方法技术方案

本发明专利技术公开一种药物‑疾病关联关系分析系统及方法，涉及医学数据分析技术领域，以区分药物‑疾病的治疗关系，以及药物‑疾病的副作用，以准确选择药物治疗疾病。所述分析系统包括数据收集模块，被配置为收集药物信息、疾病信息和包括治疗关系和/或副作用关系的药物‑疾病关联关系信息数据；与数据收集模块连接的学习模块，被配置为根据数据收集模块所收集的数据构建药效关系模型，以利用药效关系模型分析包括治疗关系和/或副作用关系的药物‑疾病关联关系。本发明专利技术提供的方法应用上述分析系统。本发明专利技术提供的药物‑疾病关联关系分析系统用于分析药物疾病的关联关系。

【技术实现步骤摘要】
一种药物-疾病关联关系分析系统及方法
本专利技术涉及医学数据分析
，尤其涉及一种药物-疾病关联关系分析系统及方法。
技术介绍
随着医药技术的发展，很多新的药物已经被开发出来，并通过认证应用到临床中以治疗疾病，取得了良好的效果。但是，药物在使用的过程中存在一定的副作用，使得需要控制药物的使用剂量，以在保证治疗效果的同时，避免药物给患者的身体带来不良反应；因此，分析药物-疾病的治疗关系，以及药物-疾病的副作用关系有着极大的现实意义。然而，现有的药物潜在的治疗疾病相关数据，以及药物的副作用数据大多隐藏在海量的临床医学数据中，这使得人工分析药物-疾病的治疗关系，以及药物-疾病的副作用关系非常困难。中国专利CN105653846A公开了一种基于集成的相似性度量和双向随机游走的药物重定位方法，其基于相似性计算创建相似性矩阵，并根据相似性矩阵计算药物相似性以及疾病相似性，以此创建药物相似性矩阵和疾病相似性矩阵；然后，将药物-疾病关联建模为二分图G(V，E)，以构建药物-疾病异构网络，最后在药物-疾病异构网络上基于双向随机游走算法进行药物重定位，以确定药物-疾病的治疗关系；但是，由于双向随机游走算法是在药物-疾病异构网络上进行的药物重定位，而药物-疾病异构网络中采用二分图G(V，E)表示药物-疾病关系，且二分图G(V，E)中的边E(G)表示的是药物-疾病的关联关系，其并不能区分药物-疾病的治疗关系，以及药物-疾病的副作用，导致无法准确选择药物治疗疾病。
技术实现思路
本专利技术的目的在于提供一种药物-疾病关联关系分析系统及方法，以区分药物-疾病的治疗关系、药物-疾病的副作用，以准确选择药物治疗疾病。为了实现上述目的，本专利技术提供如下技术方案：一种药物-疾病关联关系分析系统，该药物-疾病关联关系分析系统包括：数据收集模块，被配置为收集药物信息、疾病信息和药物-疾病关联关系信息；所述药物-疾病关联关系信息包括药物-疾病的治疗关系信息和/或药物-疾病的副作用关系信息；与数据收集模块连接的学习模块，被配置为基于所述药物信息、疾病信息和药物-疾病关联关系信息，构建药效关系模型；所述药效关系模型用于分析药物-疾病关联关系r；所述药物-疾病关联关系包括药物-疾病的治疗关系r1和/或药物-疾病的副作用关系r0。与现有技术相比，本专利技术提供的药物-疾病关联关系分析系统中，通过数据收集模块收集现有药物信息、疾病信息和药物-疾病关联关系信息，以利用学习模块对收集的现有药物信息、疾病信息和药物-疾病关联关系信息的进行学习，构建药效关系模型，而由于药物-疾病关联关系信息包括药物-疾病的治疗关系信息和药物-疾病的副作用关系信息，使得所构建的药效关系模型所分析的药物-疾病关联关系既能够包括药物-疾病的治疗关系和药物-疾病的副作用关系。因此，本专利技术提供的药物-疾病关联关系分析系统在治疗疾病时，医生能够根据学习模块的分析结果，准确选择治疗效果好，但副作用相对较低的药物用于治疗疾病。本专利技术还提供了一种药物-疾病关联关系分析方法，应用药物-疾病关联关系分析系统，所述药物-疾病关联关系分析方法包括：收集药物信息、疾病信息和药物-疾病关联关系信息；所述药物-疾病关联关系信息包括药物-疾病的治疗关系信息和/或药物-疾病的副作用关系信息；基于所述药物信息、疾病信息和药物-疾病关联关系信息；所述药物-疾病关联关系信息，构建药效关系模型；所述药效关系模型用于分析药物-疾病关联关系r；所述药物-疾病关联关系包括药物-疾病的治疗关系r1和/或药物-疾病的副作用关系r0。与现有技术相比，本专利技术提供的药物-疾病关联关系分析方法的有益效果与上述药物-疾病关联关系分析系统的有益效果相同，在此不做赘述。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例提供的药物-疾病关联关系分析系统的结构框图；图2为本专利技术实施例提供的药物-疾病关联关系分析方法的流程图；图3为本专利技术实施例中构建药效关系模型的流程图；图4为本专利技术实施例中学习模块和预测模块采用第一种方式被配置后的工作流程图；图5为本专利技术实施例中学习模块根据药效关系模型分析药物信息，得到药物信息中的药物与不同疾病的关联关系的流程图；图6为本专利技术实施例中学习模块和预测模块采用第二种方式被配置后的流程图；图7为本专利技术实施例中学习模块根据药效关系模型分析疾病信息，得到不同药物与疾病信息中的疾病的关联关系的流程图；图8为本专利技术实施例中学习模块和预测模块采用第三种方式被配置后的流程图；图9为本专利技术实施例中学习模块根据药效关系模型分析药物信息和疾病信息，得到药物信息中的药物与疾病信息中的疾病的关联关系的流程图；图10为本专利技术实施例在构建完药效关系模型后所包括的内容的流程图一；图11为本专利技术实施例在构建完药效关系模型后所包括的内容的流程图二；图12为本专利技术实施例在构建完药效关系模型后所包括的内容的流程图三；图13为本专利技术实施例提供的药物-疾病关联关系分析终端的硬件结构示意图；附图标记：100-数据收集模块，200-学习模块；300-预测模块，400-收发器；500-存储器，600-处理器；700-总线。具体实施方式为了进一步说明本专利技术实施例提供的药物-疾病关联关系分析系统及方法，下面结合说明书附图进行详细描述。请参阅图1和图2所示，本专利技术实施例提供的药物-疾病关联关系分析系统包括：数据收集模块100，被配置为收集药物信息、疾病信息和药物-疾病关联关系信息；药物-疾病关联关系信息包括药物-疾病的治疗关系信息和/或药物-疾病的副作用关系信息；与数据收集模块100连接的学习模块200，被配置为基于药物信息、疾病信息和药物-疾病关联关系信息，构建药效关系模型；药效关系模型用于分析药物-疾病关联关系r；药物-疾病关联关系包括药物-疾病的治疗关系r1和/或药物-疾病的副作用关系r0。下面结合图2说明本专利技术实施例提供的药物-疾病关联关系分析系统的具体实施过程。S100：数据收集模块100收集药物信息、疾病信息和药物-疾病关联关系信息；S200：学习模块200基于药物信息、疾病信息和药物-疾病关联关系信息，构建药效关系模型，以根据药效关系模型分析药物-疾病关联关系r；药物-疾病关联关系包括药物-疾病的治疗关系r1和/或药物-疾病的副作用关系r0。基于上述药物-疾病关联关系分析系统的具体实施过程可以发现，通过数据收集模块100收集现有药物信息、疾病信息和药物-疾病关联关系信息，以利用学习模块200对收集的现有药物信息、疾病信息和药物-疾病关联关系信息的进行学习，构建药效关系模型，而由于药物-疾病关联关系信息包括药物-疾病的治疗关系信息、药物-疾病的副作用关系信息，使得所构建的药效关系模型所分析的药物-疾病关联关系能够包括药物-疾病的治疗关系和药物-疾病的副作用关系。因此，本专利技术实施例提供的药物-疾病关联关系分析系统在治疗疾病时，医生能够根据学习模块的分析结果，准确选择治疗效果好，但副作用相对较低的药物用于治疗疾病，同时也能够为药物研究人员研究药物药性时提供指导性意见。在本申请的技术方案中，既可以分别分析药物-疾病的治疗关系和药物-疾病的副作本文档来自技高网...

【技术保护点】
一种药物‑疾病关联关系分析系统，其特征在于，包括：数据收集模块，被配置为收集药物信息、疾病信息和药物‑疾病关联关系信息；所述药物‑疾病关联关系信息包括药物‑疾病的治疗关系信息和/或药物‑疾病的副作用关系信息；与数据收集模块连接的学习模块，被配置为基于所述药物信息、疾病信息和药物‑疾病关联关系信息，构建药效关系模型；所述药效关系模型用于分析药物‑疾病关联关系r；所述药物‑疾病关联关系包括药物‑疾病的治疗关系r1和/或药物‑疾病的副作用关系r0。

【技术特征摘要】
1.一种药物-疾病关联关系分析系统，其特征在于，包括：数据收集模块，被配置为收集药物信息、疾病信息和药物-疾病关联关系信息；所述药物-疾病关联关系信息包括药物-疾病的治疗关系信息和/或药物-疾病的副作用关系信息；与数据收集模块连接的学习模块，被配置为基于所述药物信息、疾病信息和药物-疾病关联关系信息，构建药效关系模型；所述药效关系模型用于分析药物-疾病关联关系r；所述药物-疾病关联关系包括药物-疾病的治疗关系r1和/或药物-疾病的副作用关系r0。2.根据权利要求1所述的药物-疾病关联关系分析系统，其特征在于，所述学习模块被配置为基于所述药效关系模型获得所述药物-疾病关联关系的关联性评分，评价所述药物-疾病关联关系。3.根据权利要求1所述的药物-疾病关联关系分析系统，其特征在于，所述药效关系模型包括药物-疾病的关联关系的评价函数f(d,r,s)，以及位于实数向量空间中的向量空间数据，f(d,r,s)＝||MR×dv-MR×sv-vR||2；所述向量空间数据包括药物的k维列向量dv、疾病的k维列向量sv、药物-疾病关联关系的n维列向量vR、药物-疾病的关联关系的n×k维映射矩阵MR，d表示药物，s表示疾病，||.||2表示L2范式，药物-疾病的治疗关系的n×k维映射矩阵MR包括药物-疾病的治疗关系的n×k维映射矩阵Mc，和/或药物-疾病的副作用关系的n×k维映射矩阵Ms；药物-疾病关联关系的n维列向量vR包括药物-疾病的治疗关系的n维列向量vr，和/或药物-疾病的副作用关系的n维列向量vs；所述药物的k维列向量dv的表达式、疾病的k维列向量sv的表达式、药物-疾病关联关系的n维列向量vR的表达式、药物-疾病的关联关系的n×k维映射矩阵MR的表达式以及药物-疾病的关联关系的评价函数f(d,r,s)的表达式采用最优化目标函数L的方式进行求解；其中，f(di,r,sj)＝||MR×dvi-MR×svj-vR||2f(di′,r,sj′)＝||MR×dvi′-MR×svj′-vR||2T表示存在关联关系的集合，T′表示不存在关联关系的集合，di表示存在关联关系的药物，sj为存在关联关系的疾病；dvi表示为存在对应关系的药物的k维列向量，svj表示存在对应关系的疾病的k维列向量；di′表示不存在关联关系的药物，sj′为不存在关联关系的疾病；dvi′表示不存在关联关系中药物的k维列向量、svj′表示不存在关联关系中疾病的k维列向量；max(a,b)表示取a和b的最大值，γ表示预定义的边距，γ≥f(di′,r,sj′)-f(di,r,sj)。4.根据权利要求3所述的药物-疾病关联关系分析系统，其特征在于，所述目标函数L的最优化方法为随机梯度下降法。5.根据权利要求3所述的药物-疾病关联关系分析系统，其特征在于，所述实数向量空间的维度k＜n，且n和k均小于药物信息中药物的种类，以及疾病信息中疾病的种类。6.根据权利要求5所述的药物-疾病关联关系分析系统，其特征在于，所述实数向量空间的维度为300-500。7.根据权利要求1所述的药物-疾病关联关系分析系统，其特征在于，所述药物-疾病关联分析系统还包括与学习模块连接的预测模块；所述预测模块被配置为向所述学习模块中输入药物信息；所述学习模块还被配置为根据所述药效关系模型分析所述药物信息，得到药物信息中的药物与不同疾病的关联关系；所述药物信息中的药物与不同疾病的关联关系包括药物信息中的药物与不同疾病的治疗关系和/或药物信息中的药物与不同疾病的副作用关系；所述预测模块还被配置为接收所述学习模块反馈的所述药物信息中的药物与不同疾病的关联关系；或，所述预测模块被配置为向所述学习模块中输入疾病信息；所述学习模块还被配置为根据所述药效关系模型分析所述疾病信息，得到不同药物与疾病信息中的疾病的关联关系；所述不同药物与疾病信息中的疾病的关联关系包括不同药物与疾病信息中的疾病的治疗关系和/或不同药物与疾病信息中的疾病的副作用关系；所述预测模块还被配置为接收所述学习模块反馈的所述不同药物与疾病信息中的疾病的关联关系；或，所述预测模块被配置为向所述学习模块中输入药物信息和疾病信息；所述学习模块还被配置为根据所述药效关系模型分析所述药物信息和疾病信息，得到药物信息中的药物与疾病信息中的疾病的关联关系；所述药物信息中的药物与疾病信息中的疾病的关联关系包括药物信息中的药物与疾病信息中的疾病的治疗关系和/或药物信息中的药物与疾病信息中的疾病的副作用关系；所述预测模块还被配置为接收所述学习模块反馈的药物信息中的药物与疾病信息中的疾病的关联关系。8.一种药物-疾病关联...

【专利技术属性】
技术研发人员：张振中，李慧，沈晨音，
申请(专利权)人：京东方科技集团股份有限公司，
类型：发明
国别省市：北京,11