一种个性化用药风险预测及风险分层系统技术方案

本发明专利技术属于个性化用药风险预测的技术领域，尤其涉及一种个性化用药风险预测及风险分层系统。本发明专利技术旨在提供一种个性化用药风险预测及风险分层系统，包括客户端、用药风险数据库和用药风险预测分层系统；本发明专利技术提供的个性化用药风险预测及风险分层系统通过将药物特征因素和患者特征因素结合在一起，可以应用于各种医疗保健机构中，通过每个患者的每个用药风险因素得分或者总用药风险得到区分中低风险、高风险用药人群；进而提供潜在的用药风险提示，降低了患者处方用药不良反应的发生风险。险。险。

【技术实现步骤摘要】
一种个性化用药风险预测及风险分层系统


[0001]本专利技术属于个性化用药风险预测的
，尤其涉及一种个性化用药风险预测及风险分层系统。

技术介绍

[0002]患者通常会服用一种或多种处方药来治疗疾病，由多重用药导致的发病率和死亡率的增加给患者和社会带来了极大的负担。药物不良反应不仅是由代谢途径的竞争性抑制引起的，例如，现有技术中有多种工具可以通过从不同方面来对除竞争抑制外的可用药物风险进行衡量，包括通过药物负担指数、镇静负荷模型、药物跌倒风险工具和beers标准等工具对可用药物风险进行衡量，但这些工具并不是专注于识别具有较高用药风险的患者，对指导临床药剂师找到用药风险较高的患者帮助不大，此外，这些工具创建的用药风险分值没有关于特定风险的任何细节。
[0003]目前，在医疗信息化智能辅助诊疗领域中，针对医生合理用药指导的PASS系统，普遍实现了对于医生处方在用法用量、禁忌、相互作用、配伍禁忌特殊人群用药等方面合理性的审核指导，为安全合理用药提供了基础保障。但是PASS系统的实现方式都是基于药品特征，以规则的形式对医生的处方的禁忌和合理性进行分析，并没有根据患者特征，在合理的范围内从不同的角度实现个性化、全方位的用药指导，对医生的指导作用非常有限。
[0004]针对现有技术的不足，本专利技术研发了一种个性化用药风险预测及风险分层的系统，通过将药物特征因素和患者特征因素结合在一起，从而识别多重用药下的高风险用药人群，提供潜在的用药风险提示，降低了患者处方用药不良反应的发生风险。

技术实现思路
<br/>[0005]本专利技术旨在提供一种个性化用药风险预测及风险分层系统，通过将药物特征因素和患者特征因素结合在一起，从而识别多重用药下的高风险用药人群，提供潜在的用药风险提示，降低了患者处方用药不良反应的发生风险。
[0006]为了达到上述目的，本专利技术采用以下技术方案：
[0007]本专利技术的第一个目的是提供一种个性化用药风险预测及风险分层系统，包括客户端、用药风险数据库和用药风险预测分层系统；
[0008]所述客户端，用于为用户提供交互界面，其接收并上传用户输入的用药风险评估信息，接收与待评估信息对应的数据结果；
[0009]所述用药风险数据库，包括药物
‑
疾病信息、临床指标预警值、药物相互作用信息和药物不良反应信息的药物基本信息数据库；
[0010]所述药物基本信息数据库包括SIDE EFFECT数据、FDA不良事件报告系统数据、中国老年人潜在不适当用药判断标准、beers标准、药物说明书信息、START/STOPP标准、药物代谢数据、食品和药物管理局黑框警告数据、中枢神经系统镇静剂负担数据和抗胆碱能负担数据；
[0011]所述用药风险预测分层系统包括药物匹配和患者匹配模块、智能算法模块和风险预测及分层模块；
[0012]所述药物匹配和患者匹配模块，用于根据患者的用药风险评估信息，匹配临床信息化系统中的患者信息和用药风险数据库中的药物信息；
[0013]所述智能算法模块，用于根据用药风险特征因素对患者的用药风险评估信息进行用药风险评分，得出患者个性化总用药风险评分；
[0014]所述风险预测及分层模块，根据患者个性化总用药风险评分对患者的用药风险评估信息进行数据匹配和挖掘，预测患者的用药风险并进行风险分层。
[0015]优选的，所述用药风险评估信息包括临床信息和用药方案。
[0016]优选的，所述用药风险特征因素包括7个特征因素：
[0017]特征因素1：药物的一个或多个不良反应的相对优势比；
[0018]特征因素2：药物的抗胆碱能负担；
[0019]特征因素3：药物的镇静负担；
[0020]特征因素4：药物的QT间期延长风险；
[0021]特征因素5：药物的竞争性抑制；
[0022]特征因素6：患者药物基因组；
[0023]特征因素7：患者肾功能。
[0024]优选的，所述用药风险预测分层系统根据患者的用药风险评估信息进行风险预测得出患者个性化总用药风险评分包括以下步骤：
[0025]S1、识别患者临床信息、用药方案：计算机处理器识别患者的临床信息和用药方案；
[0026]S2、匹配数据库相关用药风险：将患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配；
[0027]S3、个性化风险预测：获得与每个相应的有效药物成分的用药风险特征因素的评分的数据，应用算法计算量化并输出该患者的个性化总风险得分值；
[0028]S4、根据患者的个性化总风险得分值进行分层，并反馈结果。
[0029]优选的，所述步骤S3中应用算法计算量化并输出该患者的个性化总风险得分值根据以下公式进行计算患者的个性化用药风险评分：
[0030][0031]优选的，所述步骤S3个性化风险预测中包括对7个特征因素进行评分，7个特征因素的评分方法包括：
[0032]计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的个别副作用或不良事件的已知风险相关的数据，应用算法计算量化一个或多个特定副作用的相对优势比，并输出该患者的副作用风险的风险得分值，作为特征因素1评分；
[0033]计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的胆碱负
荷风险相关的数据，应用算法计算量化并输出该患者的胆碱负荷风险得分值，作为特征因素2评分；
[0034]计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的胆碱负荷风险相关的数据，应用算法计算量化并输出该患者的胆碱负荷风险得分值，作为特征因素3评分；
[0035]计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的QT间期延长风险的数据，应用算法计算量化并输出该患者的长QT风险得分值，作为特征因素4评分；
[0036]计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的CYP酶竞争抑制风险的数据，应用算法计算量化并输出该患者的CYP酶竞争抑制风险得分值，作为特征因素5评分；
[0037]计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的药物基因组风险的数据，应用算法计算量化并输出该患者的药物基因组风险得分值，作为特征因素6评分；
[0038]计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种个性化用药风险预测及风险分层系统，其特征在于，包括客户端、用药风险数据库和用药风险预测分层系统；所述客户端，用于为用户提供交互界面，其接收并上传用户输入的用药风险评估信息，接收与待评估信息对应的数据结果；所述用药风险数据库，包括药物
‑
疾病信息、临床指标预警值、药物相互作用信息和药物不良反应信息的药物基本信息数据库；所述用药风险预测分层系统包括药物匹配和患者匹配模块、智能算法模块和风险预测及分层模块；所述药物匹配和患者匹配模块，用于根据患者的用药风险评估信息，匹配临床信息化系统中的患者信息和用药风险数据库中的药物信息；所述智能算法模块，用于根据用药风险特征因素对患者的用药风险评估信息进行用药风险评分，得出患者个性化总用药风险评分；所述风险预测及分层模块，根据患者个性化总用药风险评分对患者的用药风险评估信息进行数据匹配和挖掘，预测患者的用药风险并进行风险分层。2.根据权利要求1所述个性化用药风险预测及风险分层系统，其特征在于，所述用药风险评估信息包括临床信息和用药方案。3.根据权利要求1所述个性化用药风险预测及风险分层系统，其特征在于，所述用药风险特征因素包括7个特征因素：特征因素1：药物的一个或多个不良反应的相对优势比；特征因素2：药物的抗胆碱能负担；特征因素3：药物的镇静负担；特征因素4：药物的QT间期延长风险；特征因素5：药物的竞争性抑制；特征因素6：患者药物基因组；特征因素7：患者肾功能。4.根据权利要求1所述个性化用药风险预测及风险分层系统，其特征在于，所述用药风险预测分层系统根据患者的用药风险评估信息进行风险预测得出患者个性化总用药风险评分包括以下步骤：S1、识别患者临床信息、用药方案：计算机处理器识别患者的临床信息和用药方案；S2、匹配数据库相关用药风险：将患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配；S3、个性化风险预测：获得与每个相应的有效药物成分的用药风险特征因素的评分的数据，应用算法计算量化并输出该患者的个性化总风险得分值；S4、根据患者的个性化总风险得分值进行分层，并反馈结果。5.根据权利要求4所述的个性化用药风险预测及风险分层系统，其特征在于，所述步骤S3中应用算法计算量化并输出该患者的个性化总风险得分值根据以下公式进行计算患者的个性化用药风险评分：
6.根据权利要求4所述的个性化用药风险预测及风险分层系统，其特征在于，所述步骤S3个性化风险预测中包括对7个特征因素进行评分，7个特征因素的评分方法包括：计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的个别副作用或不良事件的已知风险相关的数据，应用算法计算量化一个或多个特定副作用的相对优势比，并输出该患者的副作用风险的风险得分值，作为特征因素1评分；计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的胆碱负荷风险相关的数据，应用算法计算量化并输出该患者的胆碱负荷风险得分值，作为特征因素2评分；计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的胆碱负荷风险相关的数据，应用算法计算量化并输出该患者的胆碱负荷风险得分值，作为特征因素3评分；计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的QT间期延长风险的数据，应用算法计算量化并输出该患者的长QT风险得分值，作为特征因素4评分；计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的CYP酶竞争抑制风险的数据，应用算法计算量化并输出该患者的CYP酶竞争抑制风险得分值，作为特征因素5评分；计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的药物基因组风险的数据，应用算法计算量化并输出该患者的药物基因组风险得分值，作为特征因素6评分；计算机处理器识别患者的临床信息和用药方案，患者的用药数据被转换成有效成分数据，并且与系统的用药风险数据库匹配，以获得与每个相应的有效药物成分的肾功能风险的数据，应用算法计算量化并输出该患者的肾功能风险得分值，作为特征因素7评分。7.根据权利要求5所述的个性化用药风险预测及风险分层的系统，其特征在于，所述7个用药风险特征因素的评分方法如下：(1)所述特征因素1为联合用药的药物发生药物不良反应的累计优势比：通过国家药品代码系统识别药物的有效活性成分，利用FDA的药物不良反应报告系统数据，统计与用药风险相关的活性成分的累计优势比，该累计优势比即为该特征因素的用药风险评分；所述药物的一个或多个不良反应的相对优势比风险评分如下：与不良反应相关的活性药物数量为0种时，用药风险评分为0；与不良反应相关的活性药物数量在1～5种时，用药风险评分为1；与不良反应相关的活性药物数量在6～10种时，用药风险评分为3；与不良反应相关的活性
药物数量在11～15种时，用药风险评分为6；与不良反应相关的活性药物数量在16～21种时，用药风险评分为9；与不良反应相关的活性药物数量≥22种时，用药风险评分为12。最大用药风险评分数值为12；当所计算的患者的用药风险评分≥6时，患者被鉴定为高风险用药人群；(2)所述特征因素2为药物的胆碱负荷：使用与临床认知损伤明确相关的抗胆碱药物，胆碱负荷评分为3；使用具有抗胆碱能活性，但没有临床上相关的负面认知效应的药物，胆碱负荷评分为2；使用没有抗胆碱能活性的药物，胆碱负荷评分为1；该特征因素的风险评分为每一个活性药物的胆碱负荷评分的累加值，最大用药风险评分为6；当所计算的患者的用药风险评分≥4时，患者被鉴定为高风险用药人群；(3)所述特征因素3为药物的镇静负荷：使用以镇静为显着不良反应的药物，镇静负荷评分为3；使用初级镇静药物，镇静负荷评分为2；使用具有镇静成分的药物，镇静负荷评分为1；该特征因素的风险评分为每一个活性药物的镇静负荷评分的累加值，最大用药风险评分为5；当所计算的患者的用药风险评分≥3时，患者被鉴定为高风险用药人群；(4)所述特征因素4为药物的长QT风险：所述药物的QT间期延长风险的测量指标包括：阻断快速激活的延迟整流钾通道电流和缓慢激活的延迟整流钾通道电流的IC50、药物的日剂量、阻断钠1.5通道电流的IC50、阻断钙1.2通道电流的IC50、抑制hERG的运输、药物的蛋白结合、药物
‑
药物相互作用系数(DDIC)；所述长QT评分分数＝K1+K2'+K3'+K4'，其中，K1满足：K2满足：K3满足：关于K2，如果K2＜1，则K2'为10；如果1＜K2≤5，则K2'为5；如果5＜K2≤10，则K2'为2；关于K3，如果K3＜1，则K3'为10；如果1＜K3≤5，则K3'为5。如果5＜K3≤10，则K3'为2；关于K4，如果药物是hERG转运的抑制剂，那么K4'是
‑
5；如果药物不是hERG转运的抑制剂，则K4'为0；所述药物的QT间期延长风险评分如下：如果长QT分数为0～4，则长QT风险评分记为0；如果长QT分数为4.5～7.5，则长QT风险评分记为2；如果长QT分数为8～11，则长QT风险评分记为5；如果长QT分数为11.5～15，则长QT风险评分记为7；如果长QT分数＞15，则长QT风险评分记为10；当所计算的患者的用药风险评分≥7时，患者被鉴定为高风险用药人群；(5)所述特征因素5为药物的CYP酶竞争抑制风险：当存在CYP竞争性抑制剂和底物时，风险评分记5；当存在CYP竞争性诱导剂和底物时，风险评分记5；当存在3种底物被同一CYP同工酶催化时，风险评分记6；当存在2种底物被同一CYP同工酶催化时，风险评分记4；该特征因素的风险评分为每一项评分的综合，该特征因素的最大风险评分20；当所计算的患者的用药风险评分≥7时，患者被鉴定为高风险用药人群；(6)所述特征因素6为患者药物基因组风险：1)当使用CYP2D6底物的药物时，CYP2D6携带等位基因*3/*3x2/*4//*5/*6/*6x2/*7/*8/*11/*12/*13/*15/*18/*19/*20/*21/*31/*36/*36x2/*38/*40/*42/*44/*47/*51/*56/*
57/*60/*62/*68/*69/*81/*92/*96/*99/*100/*101/*114/*120/*124/*129，风险评分记0；CYP2D6携带等位基因*10，风险评分记0.5；CYP2D6携带等位基因*9/*10x2/*14/*17/*29/*41/*49/*50/*54/*55/*59，风险评分记1；CYP2D6携带等位基因*1/*2/*9x2/*17x2/*27/*29x2/*33/*34/*35/*39/*41x2/*45/*46/*48/*53，风险评分记2；CYP2D6携带等位基因*41x3，风险评分记3；CYP2D6携带等位基因*1x2/*2x2*35x2/*45x2，风险评分记2；CYP2D6携带等位基因*1≥3/*2≥3，风险评分记5；2)当使用CYP2C19底物的药物时，CYP2C19携带等位基因*2/*3/*4/*5/*6...

【专利技术属性】
技术研发人员：夏昊强，甘莉莉，曹治家，
申请(专利权)人：广州海思医疗科技有限公司，
类型：发明
国别省市：