[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

说明书

技术领域

本发明涉及数据处理分析方法领域，更具体地，涉及一种一种基于临床数据的药物推荐方法、推荐装置及服务器。

背景技术

据统计，我国的临床误诊率大约为30％，和国际医学诊断水平相近，但诸如直肠癌、肺癌等疾病的误诊率几乎大于50％。造成这么高误诊率的原因，除某些疾病的发病特殊性以外，医疗方案水平和诊治水平不高也有影响。医院医疗方案的好坏直接影响医院医疗质量，影响医疗事故的发生率。

医疗方案中起关键作用的在于用药，而目前用药主要根据药物使用说明书，但由于药物的疗效与年龄、种族及病理机制等多因素有关，药物不良事件发生率高。目前，药源性疾病已经成为第5位易导致死亡的疾病，全球约有1/3的死亡病例是由治疗药物使用不当所致。我国每年5000万住院患者中，至少有250万人因药物不良反应而住院治疗。目前，临床医生主要依据药物说明书对不良反应进行判断，但每类药物不良反应种类繁多，临床医生很难逐一进行确认，导致许多的不良反应被忽视。而且由于个体化差异，每个人对药物反应差别很大，个体化用药很有必要。

对于不同疾病状态的患者，一个好的治疗方案可以保证患者能在住院期间，病情得到好转。所以发现和学习好的医疗方案十分有必要。近年来，随着计算医学的飞速发展与应用，越来越多的研究者认为可以运用计算医学来发现好的临床医疗方案，提高疾病诊治效率。因此，如何利用患者的临床数据，通过计算医学的技术手段评估相应疾病的医疗方案，为低年资医生、基层医生推荐学习模板，为患者提供参考是一个重要的医学课题。

发明内容

本发明提供一种基于临床数据的药物推荐方法、推荐装置及服务器，用于克服现有技术的缺陷，旨在根据临床数据为药物选择提供辅助决策，提高基层医生对药物使用状况的认知度，减少药源性疾病的发生。

为实现上述目的，本发明提供一种基于临床数据的药物推荐方法，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。

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。

优选地，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。

优选地，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。

优选地，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。

优选地，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：

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。