[发明专利]基于临床数据的药物推荐方法、推荐装置及服务器

权利要求书

1.一种基于临床数据的药物推荐方法，其特征在于，包括以下步骤：

获取所有疾病患者的临床数据；

通过限定关键词建立与某一疾病患者相关的索引数据库；

建立衡量与所述某一疾病相关的药物有效性的数据指标；

根据所述索引数据库，从所述临床数据中提取每个患者的ID、医生、科室、生命体征、诊断、药物、检验信息；

根据提取的信息和所述数据指标构建加权星型异构数据模型；

对所述加权星型异构数据模型进行排序，获取适合所述某一疾病患者的药物的排名信息。

2.根据权利要求1所述的基于临床数据的药物推荐方法，其特征在于，在所述获取临床数据库中所有疾病患者的临床数据之后，还包括：

对所述临床数据进行清洗。

3.根据权利要求2所述的基于临床数据的药物推荐方法，其特征在于，所述对所述临床数据进行清洗，包括：

在患者的记录数据的数据缺失率大于预设阈值时，去除所述患者的记录数据；

在患者的记录数据的数据缺失率小于预设阈值时，对所述患者的记录数据进行补齐；

每个患者的临床数据选择时间最近的一条记录；

将患者的检验结果的数值离散到预设的区间。

4.根据权利要求1所述的基于临床数据的医疗方案评估方法，其特征在于，所述数据指标包括：

患者不同阶段的检验信息以及病情的转归类型。

5.根据权利要求1所述的基于临床数据的医疗方案评估方法，其特征在于：所述根据所述关系型数据库和所述数据指标构建加权星型异构数据模型，包括：

根据提取的信息，建立以所述患者的ID信息为主键，以所述患者的医生、科室、生命体征、诊断、药物、检验信息为属性对象的星型异构数据模型；

根据所述数据指标，计算所述星型异构数据模型各属性对象的权重。

6.根据权利要求1～5任一项所述的基于临床数据的药物推荐方法，其特征在于，所述对所述加权星型异构数据模型进行排序，获取适合所述某一疾病患者的药物的排名，包括：

采用MedRank排序算法，通过第一公式进行迭代运算，直到结果收敛于稳定值，实现对所述加权星型异构数据模型的排序，从而获得适合所述某一种疾病患者的药物的排名信息；

其中，所述的第一公式为：

$R_{X_1}\←\left(\mathrm{\α}\right({\mathrm{\Π}}_{t=1}^{n-1}{W}_{X_{t}C}{D}_{{\mathrm{CX}}_{t+1}}^{-1}{W}_{{\mathrm{CX}}_{t+1}})W_{X_{n}C}{D}_{{\mathrm{CX}}_1}^{-1}{W}_{{\mathrm{CX}}_1}+(1-\mathrm{\α})U/|X_1\left|\right)R_{X_1}$

其中，t∈{1,…,n-1}，n为大于1的正整数，X₁为目标类型，代表药物信息，X_t为第t次对象类型，C为中心类型，代表患者，为X₁对象类型在当次迭代的排序分数，U为|X₁|×|X₁|的单位矩阵，|X₁|为X₁类型对象的总数，ɑ为决定U/|X₁|项的权重，W_AB为对象A和B的加权邻接矩阵,表示两者之间的权重链接，为对行进行规化的对角矩阵，其中第i行的对角值为W_AB第i行之和。