药物适应症预测方法及装置制造方法及图纸

本发明专利技术实施例提供一种药物适应症预测方法及装置。其中，方法包括：对各患者的诊疗数据进行数据清洗，获取用药信息、症状诊断信息和治疗结局信息；利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，获取药物适应症预测结果；其中，用药信息、症状诊断信息和治疗结局信息均由0‑1变量构成。本发明专利技术实施例提供的药物适应症预测方法及装置，利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，挖掘出用药信息中每一药物与症状诊断信息中每一适应症之间的交互效应，根据其中具有关联关系的组合获取药物适应症预测结果，能一次性获得多种药物的适应症预测结果，预测的效率更高，全面性更好。

Methods and devices for predicting drug indications

The embodiment of the invention provides a drug indication prediction method and device. Among them, the methods include: cleaning the diagnosis and treatment data of each patient, obtaining the medication information, symptom diagnosis information and treatment outcome information; using the logic operation scanning detection algorithm, obtaining the prediction results of drug indications according to the medication information, symptom diagnosis information and treatment outcome information; among them, the medication information, symptom diagnosis information and treatment outcome information are all from 0-1 Variable composition. The medicine indication prediction method and device provided by the embodiment of the invention uses the logic operation scanning detection algorithm to mine the interaction effect between each medicine in the medicine information and each indication in the symptom diagnosis information according to the medicine information, the symptom diagnosis information and the treatment result information, and obtain the medicine indication prediction result according to the combination of the related relations The results of indication prediction of multiple drugs were obtained in the second time, with higher efficiency and better comprehensiveness.

【技术实现步骤摘要】
药物适应症预测方法及装置
本专利技术涉及计算机
，更具体地，涉及一种药物适应症预测方法及装置。
技术介绍
适应症(Indication)指药物、手术等方法适合运用的范围、标准。药物适应症即指药物所适合运用的疾病范围等。传统的药物适应症预测是通过化学和生物学角度判断，从而预测出药物适应症，例如瑞巴派特会促进角膜和结膜产生黏蛋白，从而致使眼内形成一稳定水性层，因此预测其可用于干眼症，再通过临床试验确定药物的适应症。传统的药物适应症挖掘周期很长，需要长期的研究才能初步判断一种药物的可能药物适应症，这会导致药物适应症预测的效率较低；其次传统的药物适应症生成研究是基于化学和生物学的，这会导致药物适应症的研究的过程受到化学和生物学的限制，不能保证药物的全部适应症均能找出，一些特殊的适应症会被遗漏。综上，传统药物适应症预测的效率和全面性均存在不足。
技术实现思路
本专利技术实施例提供一种药物适应症预测方法及装置，用以解决或者至少部分地解决现有技术进行药物适应症预测的效率低的缺陷。第一方面，本专利技术实施例提供一种药物适应症预测方法，包括：对各患者的诊疗数据进行数据清洗，获取用药信息、症状诊断信息和治疗结局信息；利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，获取药物适应症预测结果；其中，所述用药信息、症状诊断信息和治疗结局信息均由0-1变量构成。优选地，所述利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，获取药物适应症预测结果的具体步骤包括：对于所述用药信息中任一药物与症状诊断信息中任一适应症的两两组合中的每一种组合，根据非迭代的KSA方法获取所述组合的似然比检验统计量；若判断获知所述组合的似然比检验统计量大于预设的显著性阈值，则将所述组合中的适应症作为所述组合中的药物的适应症预测结果。优选地，所述对各患者的诊疗数据进行数据清洗，获取用药信息、症状诊断信息和治疗结局信息的具体步骤包括：对所述各患者的诊疗数据进行自然语言处理；对自然语言处理之后的所述各患者的诊疗数据进行文本信息抽取，并对抽取结果进行数据结构化，获取所述用药信息、症状诊断信息和治疗结局信息。优选地，所述用药信息包括每一患者的M个药物变量；每一所述药物变量为0-1变量；M为所述各患者的诊疗数据中药物的种数；相应地，对自然语言处理之后的所述各患者的诊疗数据进行文本信息抽取，并对抽取结果进行数据结构化，获取所述用药信息的具体步骤包括：提取自然语言处理之后的所述各患者的诊疗数据中的药物名称，获取每一患者治疗期间使用的各种药物；对各患者治疗期间使用的各种药物进行去重处理，获得M种药物；对于每一患者，将所述患者治疗期间使用的各种药物对应的药物变量的取值均确定为1，否则确定为0。优选地，所述症状诊断信息包括每一患者的N个症状变量；每一所述症状变量为0-1变量；N为所述各患者的诊疗数据中适应症的种数；相应地，对自然语言处理之后的所述各患者的诊疗数据进行文本信息抽取，并对抽取结果进行数据结构化，获取所述症状诊断信息的具体步骤包括：提取自然语言处理之后的所述各患者的诊疗数据中有关症状描述的关键字，获取每一患者患有的各种症状；对各患者患有的各种症状进行去重处理，获得N种适应症；对于每一患者，将所述患者患有的各种症状对应的症状变量的取值均确定为1，否则确定为0。优选地，所述治疗结局信息包括各患者的治疗结局变量；所述治疗结局变量为0-1变量；相应地，对自然语言处理之后的所述各患者的诊疗数据进行文本信息抽取，并对抽取结果进行数据结构化，获取所述用药信息的具体步骤包括：对于每一患者，判断自然语言处理之后的所述患者的诊疗数据中是否包括预设的关键词；若存在，则将所述患者的治疗结局变量的取值确定为1；若不存在，则将所述患者的治疗结局变量的取值确定为0。优选地，所述利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，获取药物适应症预测结果之后，还包括：根据所述药物适应症预测结果和已知的药物适应症，构建用药知识图谱。第二方面，本专利技术实施例提供一种药物适应症预测装置，包括：信息提取模块，用于对各患者的诊疗数据进行数据清洗，获取用药信息、症状诊断信息和治疗结局信息；关联筛选模块，用于利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，获取药物适应症预测结果；其中，所述用药信息、症状诊断信息和治疗结局信息均由0-1变量构成。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，执行所述程序时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的药物适应症预测方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面的各种可能的实现方式中任一种可能的实现方式所提供的药物适应症预测方法的步骤。本专利技术实施例提供的药物适应症预测方法及装置，通过对各患者的诊疗数据进行数据清洗，获取用药信息、症状诊断信息和治疗结局信息，并利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，挖掘出用药信息中每一药物与症状诊断信息中每一适应症之间的交互效应，根据其中具有关联关系的组合获取药物适应症预测结果，能一次性获得多种药物的适应症预测结果，预测的效率更高，且能覆盖更多的适应症，预测的全面性更好。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一简单地介绍，显而易见地，下面描述中的附图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为根据本专利技术实施例提供的药物适应症预测方法的流程示意图；图2为根据本专利技术实施例提供的药物适应症预测装置的结构示意图；图3为根据本专利技术实施例提供的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，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的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为了克服现有技术的上述问题，本专利技术实施例提供一种药物适应症预测方法及装置，其专利技术构思是，采用逻辑运算扫描检测(BooleanOperation-basedScreeningandTesting，简称BOOST)算法，基于大量真实世界临床患者的诊疗信息，从中挖掘出真实世界临床治疗过程中切实有效的药物-适应症知识，获得药物适应症预测结果，能克服传统药物适应症预测方本文档来自技高网...

【技术保护点】
1.一种药物适应症预测方法，其特征在于，包括：/n对各患者的诊疗数据进行数据清洗，获取用药信息、症状诊断信息和治疗结局信息；/n利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，获取药物适应症预测结果；/n其中，所述用药信息、症状诊断信息和治疗结局信息均由0-1变量构成。/n

【技术特征摘要】
1.一种药物适应症预测方法，其特征在于，包括：
对各患者的诊疗数据进行数据清洗，获取用药信息、症状诊断信息和治疗结局信息；
利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，获取药物适应症预测结果；
其中，所述用药信息、症状诊断信息和治疗结局信息均由0-1变量构成。


2.根据权利要求1所述的药物适应症预测方法，其特征在于，所述利用逻辑运算扫描检测算法，根据用药信息、症状诊断信息和治疗结局信息，获取药物适应症预测结果的具体步骤包括：
对于所述用药信息中任一药物与症状诊断信息中任一适应症的两两组合中的每一种组合，根据非迭代的KSA方法获取所述组合的似然比检验统计量；
若判断获知所述组合的似然比检验统计量大于预设的显著性阈值，则将所述组合中的适应症作为所述组合中的药物的适应症预测结果。


3.根据权利要求1所述的药物适应症预测方法，其特征在于，所述对各患者的诊疗数据进行数据清洗，获取用药信息、症状诊断信息和治疗结局信息的具体步骤包括：
对所述各患者的诊疗数据进行自然语言处理；
对自然语言处理之后的所述各患者的诊疗数据进行文本信息抽取，并对抽取结果进行数据结构化，获取所述用药信息、症状诊断信息和治疗结局信息。


4.根据权利要求3所述的药物适应症预测方法，其特征在于，所述用药信息包括每一患者的M个药物变量；每一所述药物变量为0-1变量；M为所述各患者的诊疗数据中药物的种数；
相应地，对自然语言处理之后的所述各患者的诊疗数据进行文本信息抽取，并对抽取结果进行数据结构化，获取所述用药信息的具体步骤包括：
提取自然语言处理之后的所述各患者的诊疗数据中的药物名称，获取每一患者治疗期间使用的各种药物；
对各患者治疗期间使用的各种药物进行去重处理，获得M种药物；
对于每一患者，将所述患者治疗期间使用的各种药物对应的药物变量的取值均确定为1，否则确定为0。


5.根据权利要求3所述的药物适应症预测方法，其特征在于，所述症状诊断信息包括每一患者的N个症状变量；每一所述症状变量为0-1变量；N为所述各患者的诊疗数据中适应症...

【专利技术属性】
技术研发人员：童荣生，熊萱，何霞，肖洪涛，孙佳星，
申请(专利权)人：四川省人民医院，四川省肿瘤医院，北京诺道认知医学科技有限公司，
类型：发明
国别省市：四川;51