【技术实现步骤摘要】
一种基于机器学习的糖尿病处方预测方法
[0001]本专利技术涉及医疗方案预测领域,尤其涉及一种基于机器学习的糖尿病处方预测方法。
技术介绍
[0002]糖尿病是一种以高血糖为特征的代谢性疾病。高血糖则是由于胰岛素分泌缺陷或其生物作用受损,或两者兼有引起。糖尿病是一种受遗传因素、环境因素及生活习惯所影响导致的一种慢性代谢性疾病。主要原因是人体胰腺不能正常产生胰岛素(胰岛素缺乏)或身体不能正常利用胰岛素(胰岛素抵抗),导致血糖高于正常的一种综合征。
[0003]在实际的糖尿病临床治疗中,每位患者的糖尿病病因不同,糖尿病的症状也因人而异,同时各类药物组合非常复杂。各种因素综合起来,使得临床医师很难对每一位患者给出最佳药物治疗方案。
[0004]目前对于糖尿病处方预测方法中,也采用机器学习算法模型来进行预测,但受到传统统计技术的限制,也就是受到解释非线性关系和变量
‑
变量相互作用的能力方面受到限制的问题,并且传统统计技术依赖于在人类生物系统中可能不正确的假设,影响预测结果的准确性和鲁棒性。
技术实现思路
[0005]本专利技术提供一种基于机器学习的糖尿病处方预测方法,方法针对目前临床上糖尿病给药存在的问题,采用机器学习的方法,对使用各种用药方案的病人进行处理,训练多种机器学习模型,来找到各种药物方案的适用人群,最后建立预测模型,得到一个辅助处方预测系统。
[0006]方法包括:
[0007]S101、收集整理已知的糖尿病病人处方集,确定对应的糖尿病病人体征健康 ...
【技术保护点】
【技术特征摘要】
1.一种基于机器学习的糖尿病处方预测方法,其特征在于,方法包括:S101、收集整理已知的糖尿病病人处方集,确定对应的糖尿病病人体征健康数据集,并建立基本数据集;S102、对建立的基本数据集进行预处理操作;预处理操作包括对连续性变量的转换、离散型变量的稀疏化处理以及药物的过滤筛选;S103、针对每一种药物,分别进行数据集划分;S104、结合多种机器学习模型在每一个数据集上进行训练,并测试机器学习模型在测试集上的可靠性,直至预测精度满足要求,得到对应的目标预测模型;S105、基于多种机器学习模型的输出结果,得到最终的预测电子处方,根据药品描述条目数据,生成对应的预测自然语言描述文本。2.根据权利要求1所述的基于机器学习的糖尿病处方预测方法,其特征在于,步骤S101中,收集整理已知的糖尿病病人处方集为M={(M
11
,M
12
,...,M
1(b+1)
),(M
21
,M
22
,...,M
2(b+1)
),...,(M
m1
,M
m2
,...,M
m(b+1)
)};确定对应的糖尿病病人体征健康数据集为P={(P
11
,P
12
,...,P
1(a+1)
),(P
21
,P
22
,...,P
2(a+1)
),...,(P
p1
,P
p2
,...,P
p(a+1)
)};其中,a为病人体征健康数据维度,b为药品描述条目维度,m为处方中药品描述条目数量,p为糖尿病病人数量。3.根据权利要求2所述的基于机器学习的糖尿病处方预测方法,其特征在于,步骤S101中还包括:S1011、定义P
i
为第i个糖尿病病人的体征健康数据,P
i1
为第i个病人的的编号;P
i2
~P
i(a+1)
为病人的a个特征;M
t
为第i条药品描述条目数据,M
i1
为该药品描述条目数据所对应的病人编号,M
i2
为药品名,M
i2
~M
i(m+1)
)为多个药品描述条目数据标签;S1012、在药品描述条目数据中,选取的特征包括:M
i2
药品名、M
i3
药品种类、M
i4
是否为胰岛素、M
i5
早餐前注射量、M
i6
午餐前注射量、M
i7
晚餐前注射量、M
i8
睡前注射量、M
i9
是否为口服药、M
i10
服用频率、M
i11
单次服用量、M
i12
是否需要餐前服用、M
i13
是否需要随诊、M
i14
随诊科室、M
i15
是否需要定期复查、M
i16
复查间隔、M<...
【专利技术属性】
技术研发人员:吴飞跃,吴天星,陈亚,
申请(专利权)人:江苏亚寰软件股份有限公司,
类型:发明
国别省市:
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。