[发明专利]基于协同过滤和建议的个性化医学决定支持系统

权利要求书

1.一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：包括病历原数据库、定义目标检索模块、建议和检索过滤系统；

所述病历原数据库包含患者的治疗史文件、个人电子病例文件、其他相关文件，所述治疗史文件、所述个人电子病例文件、所述其他相关文件组成高维数特征数据；

所述定义目标检索模块用于通过数据清理将所述病历原数据库中的数据生成患者特征矩阵并转化为检索特征矩阵，传递给建议和检索过滤系统；

所述建议和检索过滤系统将检索特征矩阵进行降维后，创建建议优先顺序表，用于根据选择和设计治疗特定疾病，参考其他类似患者用于治疗副作用研究和/或其它目的。

2.如权利要求1所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述个人电子病例文件包括每个患者的病例、病理信息和基因组特征信息，所述病理信息至少包括患者年龄、吸烟史、癌症分期和家族病史；所述基因组特征信息还包括基因组测序结果，用于为给定患者人群模拟不同治疗方案和优化治疗进度。

3.如权利要求1所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述其他相关文件至少包括抗癌药物数据库中的基因组学和药物基因组学数据、环境条件、微生物特征，用于搜索更多类似性案例，完善药物对特征数据的响应。

4.如权利要求1所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述定义目标检索模块的工作步骤如下：

首先，对病历原数据库内的高维数特征数据进行数据收集和预处理，估算丢失的数据和废弃冗余信息；

其次，生成建议系统后续培训和测试的特征集；

最后，生成检索对象特征矩阵，在检索对象特征矩阵中，每个检索对象都代表一位患者。

5.如权利要求4所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述定义目标检索模块对病历原数据库内的高维数特征数据进行数据收集和预处理的步骤如下：

首先，确定疾病模型；

接着，根据疾病模型，从病历原数据库中检索相关数据；

然后，对来自病历原数据库中的相关数据进行反规范化；

之后，对反规范化后的相关数据重新收集数据和进行分类；

其次，对重新收集和分类的数据进行必要的格式化和清理；

最后，进行特征设计。

6.如权利要求5所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述特征设计的步骤如下：

首先，理解任务和源数据，从而过滤有用信息；

接着，删除或合并不需要和冗余的特征；

然后，对现有特征进行混合处理，创建新特征；

之后，重新构建数值量；

最后，生成特征集。

7.如权利要求6所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述创建新特征的步骤如下：

首先，将现有特征进行分类，再将分类数据分解为数值数据；

接着，组合现有特征；

然后，将组合后的现有特征，转化为相关数据；

其次，从数据库中提取特征；

最后，将外部资源指定不同特征的权重系数后加入新特征中。

8.如权利要求6所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述特征设计的步骤中，重新构建数值量采用二值化和离散化的方法。

9.如权利要求1所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述降维包括以下步骤：

首先对检索对象特征矩阵进行降维，处理稀疏数据和获取有用信息，然后执行检测步骤；

如果是大数据集，则将大数据集形成项目群集或邻居，使大数据集变成低维数据；

如果不是大数据集，则判断为低维数据；

接着，计算检索目标与低维数据之间成对关联性；

然后，根据关联性结果，建立判定目标检索对象的类似患者顺序表；

最后，根据类似患者顺序表中的关联性得分提供建议。

10.如权利要求1所述的一种基于协同过滤和建议的个性化医学决定支持系统，其特征在于：所述建议和检索过滤系统工作步骤如下：

根据拟定的临床问题将以前的设计特征进行分类和安排；

使用建议系统模型返回类似患者列表，从而查询他们的相关信息和文件；

对建议系统的输出进行严格评估和检查；

将建议系统推广至若干测试病情；

利用信息过滤和检索，用户可输入信息要求，系统通过识别与检索对象相关的信息来源提供响应；

根据预测能力、方法对建议系统进行评估，包括计算其预测准确度；

如果测试结果可接受，将接受和使用该模型；相反，如果结果不可接受，将拒绝该模型并根据反馈重新循环响应，以改进建议系统性能。