【技术实现步骤摘要】
一种基于深度学习的药物组合预测方法
本专利技术涉及人工智能
,尤其涉及一种基于深度学习的药物组合预测方法。
技术介绍
随着计算机技术的发展,电子病历详细记录了患者的诊疗过程,如诊断、医疗程序、用药组合等。深度学习技术可以学习这些医疗数据中的患者特征和医疗知识,并对患者治疗的药物组合进行预测,从而帮助专家挖掘分析医疗数据潜藏的疾病与用药规则,进一步改善临床指南与医疗专家系统。
技术实现思路
本专利技术的目的在于提供一种如何根据患者的历史记录与临床事件之间的相关性,为具有复杂健康状况的患者推荐药物组合的方法。本专利技术提供的基于深度学习的药物组合推荐方法,帮助专家挖掘分析医疗数据潜藏的疾病与用药规则,进一步改善临床指南与医疗专家系统。电子病历中记录了患者就诊过程中产生的序列数据,例如诊断、医疗程序、用药等,这些医疗记录可以为患者的治疗提供帮助。多次就诊的患者,每次的就诊医疗记录对患者当前健康状况的影响各不相同。通过多头注意力可以捕获电子病历中的医疗数据各次就诊医疗记录之间的关系特征,对历史就诊医疗记录的重要程度加以区分。电子病历中,记录的处方药物组合包含了丰富的药物知识,利用图卷积网络来学习药物组合构成的图网络结构,学习的药物表示向量融合了药物知识,可以将患者历史用药嵌入到深度学习模型中。为达到上述目的,本专利技术提供如下技术方案:一种基于深度学习的药物组合预测方法,包括以下步骤:S1:根据提取的先验知识获取启发式药物序列Mi;S2:将患者i的诊断Di、医 ...
【技术保护点】
1.一种基于深度学习的药物组合预测方法,其特征在于,包括以下步骤:/nS1:根据提取的先验知识获取启发式药物序列M
【技术特征摘要】
1.一种基于深度学习的药物组合预测方法,其特征在于,包括以下步骤:
S1:根据提取的先验知识获取启发式药物序列Mi;
S2:将患者i的诊断Di、医疗程序Pi与所述启发式用药Mi分别转化成线性嵌入向量和计算方法如公式(1):
其中,Wd、Wp和Wm分别表示诊断、医疗程序和启发式用药的嵌入权重矩阵;
S3:根据获取的诊断、医疗程序和启发式用药这些序列数据中的不同元素所在位置的序列,利用位置编码来分别计算诊断、医疗程序与启发式用药的序列数据的位置嵌入向量ped,pep与pem,如公式(2):
其中,pos表示位置,而2j+1和2j分别表示奇偶位置的索引,dim表示嵌入维度;
S4:根据S2计算的线性嵌入向量和与S3计算的位置嵌入向量ped,pep与pem之和,得到诊断、医疗程序与启发式用药的嵌入表示向量,计算方式如公式(3):
S5:利用不同的多头注意力模块分别学习步骤S4得到的所述诊断、医疗程序与启发式用药的嵌入表示向量Eid、Eip与Eim,进而分别得到诊断特征向量Sd、医疗程序特征向量Sp与启发式用药特征向量Sm;
其中,每个多头注意力模板由多个自注意力头组成,每个自注意力头学习的注意力向量进行级联,
whereheadh=Attention(Qh,Kh,Vh)(h≤n)
其中,每个自注意力头通过学习查询向量Q=EWq、键向量K=EWk、值向量V=EWv来获取数据的内部序列特征,E表示不同多头注意力模块学习的嵌入向量,如Eid、Eip与Eim,而Wq、Wk与Wv则表示学习的权重矩阵,dim表示嵌入维度,n表示自注意力头的数目,h表示第h个自注意力头;Attention(Q、K、V)则表示自注意力头获取的数据内部序列特征向量,MultiHead(Q、K、V)表示的是将多个自注意力头(head1、head2,…headn)获取的特征表示向量拼接之后得到的向量;
S6:根据电子医疗记录的患者历史用药,构成药物网络,利用图卷积神经网络计算药物节点的表示向量P;
S7:根据步骤S5计算的诊断表示向量Sd与医疗程序表示向量Sp,结合步骤S6计算的药物节点的表示向量P,得到当前患者用药特征的输出表示向量Ft;
S8:根据步骤S5计算的启发式用药特征,步骤S7计算的输出表示向量Ft与用药特征表示向量Ot,预测患者需要的药物组合;
S9:利用损失函数量降低所述预测的患者需要的药物组合的预测损失;
S10:重复步骤S5-S9,直到达到最大训练轮数;
S11:利用衡量指标Jaccard、PRAUC、F1来衡量预测的准确性,值越高表明预测的药物组合就越准确。
2.根据权利要求1所述的基于深度学习的药物组合预测方法,其特征在于,步骤S1包括:统计每种诊断D的出现频次fd及其可能用药M的出现频次fm,当fm>ηfd时,fm对应的药物M为诊断D的启发式用药;
所述启发式药物序列Mi是由多个启发式用药组成的用药序列;η是用来选择启发式用药的阈值,计算得到每种诊断及其启发式用药的映射关系选择的启发式用药利用了hammingloss来判断,hammingloss计算方式如公式(5):
其中...
【专利技术属性】
技术研发人员:高超,王海强,王震,朱培灿,李向华,李学龙,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。