一种智能临床试验方案生成方法及相关装置制造方法及图纸

本发明专利技术公开了一种智能临床试验方案生成方法及相关装置，方法包括：通过神经网络算法对临床试验知识数据进行标注得到标注信息，并对所述标注信息进行数据清洗和语言转化后录入知识库；获取用户的试验目的数据，并通过自然语言识别技术获取用户的试验目的数据的文本信息；通过深度学习算法对所述用户的历史试验方案数据和使用行为习惯数据进行训练，得到训练好的试验数据模型；将所述文本信息输入至所述试验数据模型，得到试验结果；将所述试验结果输入所述知识库，生成相应的临时试验方案和知识体系并发送给用户；获取用户根据所述知识体系对临时试验方案的完善内容并生成最终试验方案。本发明专利技术通过模型和知识库能够为用户快速提供相关试验方案。快速提供相关试验方案。快速提供相关试验方案。

【技术实现步骤摘要】
一种智能临床试验方案生成方法及相关装置


[0001]本专利技术涉及人工智能
，特别涉及一种智能临床试验方案生成方法及相关装置。

技术介绍

[0002]过去的几十年里，关于肿瘤的研究，在肿瘤的预防、诊断和治疗等各方面，都取得了不起的成就。随着人们对癌症的成因、进展以及各种治疗方法的预后效果的认识的逐渐深入，肿瘤新药临床实验也随之越来越复杂。而现代生物医学手段的不断创新，把肿瘤新药临床实验的复杂性更是提到一个前所未有的高度。
[0003]肿瘤研究的成本极其高昂，项目背景信息错综复杂，方案条款之间又有比一般的临床实验方案更为复杂的关联关系，加上不断更新的生物科技前沿，试验方案设计稍有不慎就会造成试验的失败，或者是试验成本效益比变得毫无价值，导致试验方案的产出效率较低且把控难度大。

技术实现思路

[0004]本专利技术的目的是提供一种智能临床试验方案生成方法及相关装置，旨在解决现有试验方案产出效率较低且把控难度大等问题。
[0005]第一方面，本专利技术实施例提供一种智能临床试验方案生成方法，包括：
[0006]通过神经网络算法对临床试验知识数据进行标注得到标注信息，并对所述标注信息进行数据清洗，将数据清洗后的标注信息转化为统一语言内容并将转化后的标注信息录入知识库；
[0007]获取用户的试验目的数据，并利用自然语言识别技术对所述试验目的数据进行识别，得到目的文本信息；
[0008]通过深度学习算法对所述用户的历史试验方案数据和使用行为习惯数据进行训练，得到训练好的试验数据模型；
[0009]将所述文本信息输入至所述试验数据模型，得到试验结果；
[0010]将所述试验结果输入所述知识库，生成相应的临时试验方案和知识体系并发送给用户；
[0011]获取用户根据所述知识体系对所述临时试验方案的完善内容并生成最终试验方案。
[0012]第二方面，本专利技术实施例提供一种智能临床试验方案生成装置，包括：
[0013]知识库补充单元，用于通过神经网络算法对临床试验知识数据进行标注得到标注信息，并对所述标注信息进行数据清洗，将数据清洗后的标注信息转化为统一语言内容并将转化后的标注信息录入知识库；
[0014]文本信息获取单元，用于获取用户的试验目的数据，并利用自然语言识别技术对所述试验目的数据进行识别，得到目的文本信息；
[0015]试验数据模型训练单元，用于通过深度学习算法对所述用户的历史试验方案数据和使用行为习惯数据进行训练，得到训练好的试验数据模型；
[0016]试验结果获取单元，用于将所述文本信息输入至所述试验数据模型，得到试验结果；
[0017]试验结果输入单元，用于将所述试验结果输入所述知识库，生成相应的临时试验方案和知识体系并发送给用户；
[0018]最终试验方案生成单元，用于获取用户根据所述知识体系对所述临时试验方案的完善内容并生成最终试验方案。
[0019]第三方面，本专利技术实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的智能临床试验方案生成方法。
[0020]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时实现上述第一方面所述的智能临床试验方案生成方法。
[0021]本专利技术实施例提供了一种智能临床试验方案生成方法及相关装置，方法包括：通过神经网络算法对临床试验知识数据进行标注得到标注信息，并对所述标注信息进行数据清洗，将数据清洗后的标注信息转化为统一语言内容并将转化后的标注信息录入知识库；获取用户的试验目的数据，并利用自然语言识别技术对所述试验目的数据进行识别，得到目的文本信息；通过深度学习算法对所述用户的历史试验方案数据和使用行为习惯数据进行训练，得到训练好的试验数据模型；将所述文本信息输入至所述试验数据模型，得到试验结果；将所述试验结果输入所述知识库，生成相应的临时试验方案和知识体系并发送给用户；获取用户根据所述知识体系对所述临时试验方案的完善内容并生成最终试验方案。本专利技术基于创建的知识库，提供以目标为导向的多种学科交叉的知识体系，采用AI算法内部学习迭代，提供专业且个性的临床方案知识图谱，并辅以行业内海量内容产出临床药物试验方案，充分解决原有的重复性工作，提高试验方案的产出率，并通过试验数据模型定制出符合用户个性的试验方案。本专利技术实施例同时还提供了一种智能临床试验方案生成装置、一种计算机可读存储介质和一种计算机设备，具有上述有益效果，在此不再赘述。
附图说明
[0022]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例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。
[0023]图1为本实施例的一种智能临床试验方案生成方法的流程图；
[0024]图2为本实施例的一种智能临床试验方案生成方法的子流程图；
[0025]图3为本实施例的一种智能临床试验方案生成方法的另一子流程图；
[0026]图4为本实施例的一种智能临床试验方案生成装置的示意性框图。
具体实施方式
[0027]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做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。
[0028]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0029]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0030]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0031]请参阅图1，本专利技术提供了一种智能临床试验方案生成方法，包括：
[0032]S101：通过神经网络算法对临床试验知识数据进行标注得到标注信息，并对所述标注信息进行数据清洗，将数据清洗后的标注信息转化为统一语言内容并将转化后的标注信息录入知识库；
[0033]其中，在将标注信息录入知识库之前需要对标注信息进行审核，该审核可以为系统审核，也可以通过人工审核，从而确保临床试验知识的真实性和准确性。
[0034]请本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能临床试验方案生成方法，其特征在于，包括：通过神经网络算法对临床试验知识数据进行标注得到标注信息，并对所述标注信息进行数据清洗，将数据清洗后的标注信息转化为统一语言内容并将转化后的标注信息录入知识库；获取用户的试验目的数据，并利用自然语言识别技术对所述试验目的数据进行识别，得到目的文本信息；通过深度学习算法对所述用户的历史试验方案数据和使用行为习惯数据进行训练，得到训练好的试验数据模型；将所述文本信息输入至所述试验数据模型，得到试验结果；将所述试验结果输入所述知识库，生成相应的临时试验方案和知识体系并发送给用户；获取用户根据所述知识体系对所述临时试验方案的完善内容并生成最终试验方案。2.根据权利要求1所述的智能临床试验方案生成方法，其特征在于，所述通过神经网络算法对临床试验知识数据进行标注得到标注信息包括：对所述临床试验知识数据进行预处理，得到预处理数据；将所述预处理数据中的半结构化、非结构化的数据按照药物、临床、统计的类别进行预标注并对所述预标注进行标签处理；采用双向长短期记忆神经网络和条件随机场相结合的算法从经过预标注的临床试验知识数据中抽取出实体信息；运用命名实体识别技术对所述实体信息进行文本三元组标注，得到文本三元组；根据所述文本三元组构建出知识图谱。3.根据权利要求2所述的智能临床试验方案生成方法，其特征在于，所述采用双向长短期记忆神经网络和条件随机场相结合的算法从经过预标注的临床试验知识数据中抽取出实体信息包括：获取经过预标注的临床试验知识数据；将经过预标注的临床试验知识数据输入长短期记忆模型，得到字符嵌入；将经过预标注的临床试验知识数据输入语言表征预训练模型，得到词嵌入；将所述字符嵌入和所述词嵌入拼接处理，将拼接后的字符嵌入和词嵌入输入到双向长短期记忆网络，得到处理结果；将所述处理结果输入条件随机场，得到实体信息。4.根据权利要求1所述的智能临床试验方案生成方法，其特征在于，所述通过深度学习算法对所述用户的历史试验方案数据和使用行为习惯数据进行训练，得到训练好的试验数据模型包括：对所述用户的历史试验方案数据和使用行为习惯数据进行实体抽取，得到实体识别数据；对所述实体识别数据进行特征选择和特征降维，得到特征数据；对所述特征数据进行聚类分析，得到归类数据；通过所述深度学习算法构建试验数据模型；将所述归类数据输入所述试验数据模型进行训练，得到训练好的试验数据模型。
5.根据权利要求...

【专利技术属性】
技术研发人员：何国平，翁星河，李金泉，陈海燕，
申请(专利权)人：杭州数垚科技有限公司，
类型：发明
国别省市：