[发明专利]一种药物联用关键因素数据挖掘方法和系统

权利要求书

1.一种药物联用关键因素数据挖掘方法，其特征在于，包括以下步骤：

S1根据药物使用数据建立包括多个个体的初始种群，其中每个个体代表一组关键因素数据与不良反应率的函数；

S2根据所述函数计算每个个体的适应度，根据所述适应度由高到低的顺序排列，选择所述个体中适应度高的个体组成的子种群，并对所述子种群进行遗传操作获得新种群；

S3计算所述新种群中每个个体的适应度，并判断所述新种群是否符合要求，若符合则输出所述新种群中适应度最高的个体对应的关键因素数据与不良反应率的函数；否则回到步骤S2重新获得新种群；

S4根据步骤S3输出的函数设定药物联用的关键因素数据。

2.如权利要求1所述的药物联用关键因素数据挖掘方法，其特征在于，所述关键因素包括：药物类型、给药顺序、给药间隔、给药剂量、给药频次和时间间隔。

3.如权利要求2所述的药物联用关键因素数据挖掘方法，其特征在于，每个所述个体的初始种群包括由生化指标与时间组成的二维向量，所述二维向量映射到复数空间，其中生化指标为实部，时间为虚部，在所述复数空间内根据所述二维相量对所述关键因素数据进行函数运算以计算所述个体的适应度。

4.如权利要求3所述的药物联用关键因素数据挖掘方法，其特征在于，所述S2中遗传操作包括选择、复制、变异、倒串、变换、重组、随机常量变异和随机常量变换。

5.如权利要求4所述的药物联用关键因素数据挖掘方法，其特征在于，所述变换包括IS变换、RIS变换和基因变换；所述重组包括单点重组、两点重组和基因重组。

6.如权利要求3所述的药物联用关键因素数据挖掘方法，其特征在于，所述S3中判断所述新种群是否符合要求的方法为：提高所述二维向量中任一生化指标的值，所述关键因素数据不变，判断此时的不良反应发生率的变化值是否超过阈值，若此时的不良反应发生率的变化值未超过阈值，则此时的种群为最终输出种群；若此时的不良反应发生率的变化值超过阈值则返回步骤S2。

7.如权利要求1-6任一项所述的药物联用关键因素数据挖掘方法，其特征在于，对药物的最佳组合方式通过生存分析方法和/或倾向值评分匹配方法进行评估。

8.如权利要求7所述的药物联用关键因素数据挖掘方法，其特征在于，所述生存分析方法的过程为：输入数据，分析所述数据类型，将数据识别为分类数据或者连续数据，对所述分类数据进行分组计算，并对每一列连续数据进行中止值计算，由卡方检验或者logrank检验得出最佳的分组方式和中止值，生成生存分析曲线图。

9.如权利要求7所述的药物联用关键因素数据挖掘方法，其特征在于，所述倾向值评分匹配方法的过程为：输入数据，对所述数据进行倾向性评分，选择需要分析的列，同时填入控制组，选择一对一匹配或一对多匹配，生成匹配结果，并显示所述匹配结果。

10.一种药物联用关键因素数据挖掘系统，其特征在于，包括：

数据提取模块，用于根据药物使用数据建立包括多个个体的初始种群，其中每个个体代表一组关键因素数据与不良反应率的函数；

新种群生成模块，用于计算每个个体的适应度，根据所述适应度由高到低的顺序排列，选择所述个体中适应度高的个体组成的子种群，并对所述子种群进行遗传操作获得新种群；

判断模块，用于计算所述新种群中每个个体的适应度，并判断所述新种群是否符合要求，若符合则输出所述新种群中适应度最高的个体对应的关键因素数据与不良反应率的函数；否则回到步骤S2重新获得新种群；

结果输出模块，用于根据输出的函数设定药物联用的关键因素数据。