一种基于智能决策的药品疗效预测方法和装置制造方法及图纸

本发明专利技术实施例公开了一种基于智能决策的药品疗效预测方法和装置，其中基于智能决策的药品疗效预测方法包括：获取需要进行疗效预测的目标药品和目标药品的组成成分；从医疗数据库获取包含目标药品的组成成分的相似药品对应的医疗数据，对医疗数据进行特征提取，获取医疗数据的特征向量；根据医疗数据的特征向量建立药品疗效预测模型；将目标药品的组成成分输入药品疗效预测模型中，进行目标药品的疗效预测，获得目标药品的疗效预测结果。采用本发明专利技术，通过对目标药品的组成成分进行拆解，进而根据包含目标药品组成成分的相似药品建立药品疗效预测模型，对目标药品进行疗效预测，提升了药品疗效预测的效率和准确率。

【技术实现步骤摘要】
一种基于智能决策的药品疗效预测方法和装置
本专利技术涉及数据处理领域，具体涉及一种基于智能决策的药品疗效预测方法和装置。
技术介绍
在现代医学发展过程中，时刻都伴随着新药物的产生，在我国的医保目录中，记录的西药部分甲类品种有315个，乙类品种有818个；中成药部分的甲类品种有135个，乙类品种有792个。因此药品的种类是非常丰富的，而一种新药品的疗效也可以通过已有药品进行预测。在现有的药品疗效预测过程中，通常是将药品运用到临床，然后根据患者的临床反应来确定。但是这有一个前提，药品必须在生产完成后才能进行疗效预测。这无疑大大降低了药品疗效预测的时效性，进而增加了药品研发的时间成本。并且在将药品进行临床疗效预测时，所验证的样本十分有限，这也降低了药品疗效预测的有效性，因此，亟待发现一种更高效和准确的药品疗效预测方法。
技术实现思路
本专利技术实施例提供一种基于智能决策的药品疗效预测方法和装置，能够通过对目标药品的组成成分进行拆解，进而根据包含目标药品组成成分的相似药品建立药品疗效预测模型，对目标药品进行疗效预测，提升了药品疗效预测的效率和准确率。本专利技术实施例的第一方面提供了一种基于智能决策的药品疗效预测方法，所述基于智能决策的药品疗效预测方法包括：获取需要进行疗效预测的目标药品和所述目标药品的组成成分；从医疗数据库获取包含所述目标药品的组成成分的相似药品对应的医疗数据，对所述医疗数据进行特征提取，获取所述医疗数据的特征向量；根据所述医疗数据的特征向量建立药品疗效预测模型；将所述目标药品的组成成分输入药品疗效预测模型中，进行所述目标药品的疗效预测，获得所述目标药品的疗效预测结果。在可选的情况下，所述获取需要进行疗效预测的目标药品和所述目标药品的组成成分包括：获取需要进行疗效预测的目标药品并确定目标药品的药品类别，所述药品类别包括西药类别或中成药类别；若所述目标药品为西药类别，则获取所述西药类别的化学合成成分作为所述目标药品的组成成分；若所述目标药品为中成药类别，则获取所述重要类别的药材构成作为所述目标药品的组成成分。在可选的情况下，所述从医疗数据库获取包含所述目标药品的组成成分的相似药品对应的医疗数据，对所述医疗数据进行特征提取，获取所述医疗数据的特征向量，包括：从药品组成成分数据库中获取与目标药品的组成成分相似度超过第一预设阈值的药品，确定为相似药品；从医疗数据库中获取包含所述相似药品的医疗数据，所述医疗数据包括患者的诊断结果和用药情况；从所述诊断结果中提取与所述相似药品对应的目标症状，从所述用药情况中提取与所述相似药品相关的目标用药情况，所述目标用药情况包括用药剂量或给药途径；将所述目标症状、相似药品和所述目标用药情况结合，生成所述医疗数据的特征向量。在可选的情况下，所述根据所述医疗数据的特征向量建立药品疗效预测模型，包括：从医疗数据库中获取包含所述相似药品的实验医疗数据，并将所述实验医疗数据按照存储时间顺序分为训练集数据和验证集数据；获取所述训练集数据中的样本医疗数据对应的所述特征向量；获取所述样本医疗数据的治疗结果，所述治疗结果包括有效或无效；将所述特征向量中的所述目标诊断结果、所述相似药品和所述目标用药情况作为样本属性值，将所述治疗结果作为分类类型，进行贝叶斯预测模型训练，获得贝叶斯分类器；将所述验证集数据输入所述贝叶斯分类器中，确定所述贝叶斯分类器的有效性，并将所述贝叶斯分类器作为所述药品疗效预测模型。在可选情况下，所述将所述特征向量中的所述目标诊断结果和所述目标用药情况作为样本属性值，将所述治疗结果作为分类类型，进行贝叶斯预测模型训练，获得贝叶斯分类器，具体包括：将所述治疗结果作为分类类型，确定所述分类类型对应的先验概率；将所述目标诊断结果、所述相似药品和所述目标用药情况作为相互独立的属性值，统计并确定所述相互独立的属性值在不同分类类型情况下的条件概率；根据所述先验概率和所述条件概率，计算确定后验概率，所述后验概率用于表征所述治疗结果的概率分布；将样本医疗数据指派于后验概率最大的一组分类类型，获得贝叶斯分类器。在可选的情况下，所述将所述目标药品的组成成分输入药品疗效预测模型中，进行所述目标药品的疗效预测，获得所述目标药品的疗效预测结果，包括：将所述目标药品的组成成分和所述药品疗效预测模型中的相似药品的组成成分进行相似度匹配，确定两者的相似度；根据所述药品疗效预测模型中所述相似药品的分类类型结果预测值，结合所述相似度，确定所述目标药品的分类类型结果预测值；根据所述目标药品的分类类型结果预测值确定所述目标药品的疗效预测结果。本专利技术实施例的第二方面提供了一种药品疗效预测装置，所述药品疗效预测装置包括：获取单元，用于获取需要进行疗效预测的目标药品和所述目标药品的组成成分；特征提取单元，用于从医疗数据库获取包含所述目标药品的组成成分的相似药品对应的医疗数据，对所述医疗数据进行特征提取，获取所述医疗数据的特征向量；模型建立单元，用于根据所述医疗数据的特征向量建立药品疗效预测模型；预测单元，用于将所述目标药品的组成成分输入药品疗效预测模型中，进行所述目标药品的疗效预测，获得所述目标药品的疗效预测结果。本专利技术实施例第三方面提供了一种电子装置，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行第一方面任一方法中的步骤的指令。本专利技术实施例第四方面提供了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面任一方法所述的步骤的指令。可见，本专利技术实施例所描述的基于智能决策的药品疗效预测方法中，首先获取需要进行疗效预测的目标药品和目标药品的组成成分；然后从医疗数据库获取包含目标药品的组成成分的相似药品对应的医疗数据，对医疗数据进行特征提取，获取医疗数据的特征向量；根据医疗数据的特征向量建立药品疗效预测模型；最后将目标药品的组成成分输入药品疗效预测模型中，进行目标药品的疗效预测，获得目标药品的疗效预测结果。在这个过程中，通过对目标药品的组成成分进行拆解，获取目标药品的相似药品，然后根据相似药品建立药品疗效预测模型，对目标药品进行疗效预测，这可以在药品生产完成前就进行药品疗效预测，提升了药品疗效预测的实时性，而海量的医疗数据获取的药品疗效预测模型，提升了药品疗效预测的效率和准确率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的一种基于智能决策的药品疗效预测方法流程示意图；图2是本专利技术实施例提供的另一种基于智能决策的药品疗效预测方法的流程示意图；图3是本专利技术实施例提供的另一种基于智能决策的药品疗效预测方法的流程示意图；图4是本专利技术实施例提供的另一种基于智能决策的药品疗效预测方法的流程示意图；图5是本专利技术实施例提供的一种电子装置的结构示意图；图6是本专利技术实施例提供的一种药品疗效预测装置的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中本文档来自技高网...

【技术保护点】
1.一种基于智能决策的药品疗效预测方法，其特征在于，所述方法包括：获取需要进行疗效预测的目标药品和所述目标药品的组成成分；从医疗数据库获取包含所述目标药品的组成成分的相似药品对应的医疗数据，对所述医疗数据进行特征提取，获取所述医疗数据的特征向量；根据所述医疗数据的特征向量建立药品疗效预测模型；将所述目标药品的组成成分输入药品疗效预测模型中，进行所述目标药品的疗效预测，获得所述目标药品的疗效预测结果。

【技术特征摘要】
1.一种基于智能决策的药品疗效预测方法，其特征在于，所述方法包括：获取需要进行疗效预测的目标药品和所述目标药品的组成成分；从医疗数据库获取包含所述目标药品的组成成分的相似药品对应的医疗数据，对所述医疗数据进行特征提取，获取所述医疗数据的特征向量；根据所述医疗数据的特征向量建立药品疗效预测模型；将所述目标药品的组成成分输入药品疗效预测模型中，进行所述目标药品的疗效预测，获得所述目标药品的疗效预测结果。2.根据权利要求1所述的方法，其特征在于，所述获取需要进行疗效预测的目标药品和所述目标药品的组成成分包括：获取需要进行疗效预测的目标药品并确定目标药品的药品类别，所述药品类别包括西药类别或中成药类别；若所述目标药品为西药类别，则获取所述西药类别的化学合成成分作为所述目标药品的组成成分；若所述目标药品为中成药类别，则获取所述重要类别的药材构成作为所述目标药品的组成成分。3.根据权利要求2所述的方法，其特征在于，所述从医疗数据库获取包含所述目标药品的组成成分的相似药品对应的医疗数据，对所述医疗数据进行特征提取，获取所述医疗数据的特征向量，包括：从药品组成成分数据库中获取与目标药品的组成成分相似度超过第一预设阈值的药品，确定为相似药品；从医疗数据库中获取包含所述相似药品的医疗数据，所述医疗数据包括患者的诊断结果和用药情况；从所述诊断结果中提取与所述相似药品对应的目标症状，从所述用药情况中提取与所述相似药品相关的目标用药情况，所述目标用药情况包括用药剂量或给药途径；将所述目标症状、相似药品和所述目标用药情况结合，生成所述医疗数据的特征向量。4.根据权利要求3所述的方法，其特征在于，所述根据所述医疗数据的特征向量建立药品疗效预测模型，包括：从医疗数据库中获取包含所述相似药品的实验医疗数据，并将所述实验医疗数据按照存储时间顺序分为训练集数据和验证集数据；获取所述训练集数据中的样本医疗数据对应的所述特征向量；获取所述样本医疗数据的治疗结果，所述治疗结果包括有效或无效；将所述特征向量中的所述目标诊断结果、所述相似药品和所述目标用药情况作为样本属性值，将所述治疗结果作为分类类型，进行贝叶斯预测模型训练，获得贝叶斯分类器；将所述验证集数据输入所述贝叶斯分类器中，确定所述贝叶斯分类器的有效性，并将所述贝叶斯分类器作为所述药品疗效预测模型。5.根据权利要求4所述的方法，其特征在于，所述将所述特征向量中的所述目标诊断结果和所述目标用药情况作为样本属性值，将所述治...

【专利技术属性】
技术研发人员：王伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44