基于因果推断的药物推荐系统及方法技术方案

本发明专利技术提供一种基于因果推断的药物推荐系统及方法，涉及数据挖掘技术领域，本系统使用深度学习模型，具体包含患者状态编码器，医学检查自编码器，推荐模块；通过输入患者特征X，使用神经网络编码器将X投影到低维嵌入空间；使用编码‑解码器结构重建医学检查数据R，获得R的替代低维隐变量Z<subgt;R</subgt;，并计算重建损失；使用对比学习优化低维隐变量Z<subgt;R</subgt;，并计算对比学习损失；根据患者特征X和医学检查的隐变量Z<subgt;R</subgt;预测合适的药物，并计算推荐损失；联合优化重建损失、对比学习损失和推荐损失优化药物推荐系统参数，建立患者和药物的因果关系P(Y|do(X))，提升药物推荐系统的推荐能力。最后通过联合患者特征和医学检查数据使用药物推荐系统进行药物推荐。

【技术实现步骤摘要】

本专利技术涉及数据挖掘，尤其涉及一种基于因果推断的药物推荐系统及方法。

技术介绍

1、药物推荐旨在根据患者的健康状态，为医生和患者提供最合适的药物建议，避免因不当用药引发的副作用和不良反应。现有的药物推荐系统主要基于电子病例数据，这些数据通常按照患者级别、就诊级别和事件级别进行组织。通过分析患者当前就诊信息或多次就诊记录，系统可以构建患者健康状况的表达，并据此提供个性化的药物推荐。

2、因果推断作为一种研究因果关系的方法，关注变量之间的因果机制，试图揭示某一干预对特定结果的真实影响。通过引入因果推断，可以有效缓解数据偏差问题，例如区分患者无关表现和推荐的药物在混杂因素引起的虚假关联。此外，因果推断还能帮助系统在缺失数据的情况下进行合理的推测，提高推荐的稳健性和可信度。

3、然而，现有的药物推荐算法大多采用数据驱动的有监督学习方法。具体而言，这些算法通过患者数据作为监督信号进行模型训练。然而，数据中的偏差和噪声问题容易使模型训练受到干扰，影响其在部署阶段的表现。例如，由于未观察到的协变量，某些药物可能在特定患者群体中效果显著，但在其他本文档来自技高网...

【技术保护点】

1.一种基于因果推断的药物推荐系统，其特征在于，使用深度学习模型，具体包含患者状态编码器，医学检查自编码器，推荐模块；

2.根据权利要求1所述的一种基于因果推断的药物推荐系统，其特征在于，所述编码器输入医学检查数据，生成替代低维隐变量ZR的后验分布作为编码器的输出：；

3.根据权利要求1所述的一种基于因果推断的药物推荐系统，其特征在于，所述变分自编码器VAE 的训练目标是最小化总损失函数LVAE，总损失函数LVAE包括重建损失以及KL散度损失：

4.根据权利要求3所述的一种基于因果推断的药物推荐系统，其特征在于，所述对比学习中：正样本为来自同一患者的数...

【技术特征摘要】

1.一种基于因果推断的药物推荐系统，其特征在于，使用深度学习模型，具体包含患者状态编码器，医学检查自编码器，推荐模块；

2.根据权利要求1所述的一种基于因果推断的药物推荐系统，其特征在于，所述编码器输入医学检查数据，生成替代低维隐变量zr的后验分布作为编码器的输出：；

3.根据权利要求1所述的一种基于因果推断的药物推荐系统，其特征在于，所述变分自编码器vae 的训练目标是最小化总损失函数lvae，总损失函数lvae包括重建损失以及kl散度损失：

4.根据权利要求3所述的一种基于因果推断的药物推荐系统，其特征在于，所述对比学习中：正样本为来自同一患者的数据对（x，r），r是目标患者的医学检查数据，x是对应的患者特征；负样本为随机选择患者特征x‘和目标患者的医学检查数据r组合即（x’，r）；对比学习通过拉进正样本对的距离，推远负样本的距离，...

【专利技术属性】
技术研发人员：梁玉亮，郭贵冰，
申请(专利权)人：东北大学，
类型：发明
国别省市：