[发明专利]一种基于朴素随机过采样和支持向量机的药品风险分级的方法

说明书

本申请公开了一种基于朴素随机过采样和支持向量机的药品风险分级的方法，基于药品不良反应风险因素，构建风险指标I₁、I₂、I₃，处理药品不良反应自发报告数据并计算三个风险指标值，以药品为对象，以风险指标为特征，构建药品风险矩阵，查询国家基本药物目录，并对药品类别进行标注，用朴素过抽样对非处方药数据进行扩充，实现处方药和非处方药样本量的平衡，利用二分类支持向量机建立分类模型并验证，实现对于药品风险分级的智能化管理。该方法将处理好的数据做不平衡抽样，然后使用支持向量机实现药品二分类，最终实现通过不同药品的不良反应进行自动分类的功能。

技术领域

本发明属于机器学习技术领域，具体涉及一种基于朴素随机过采样和支持向量机的药品风险分级的方法。

背景技术

随着科学技术的飞速进步以及在医学方面的广泛应用，为缓解病人痛苦、治愈各种疾病提供了重要工具，大幅提升了患者的健康水平，不但改善了患者的生活质量，还有效延长了患者寿命，给我们的生活带来了很多便利。由于上市后药品会产生不可预知的药品不良反应(Adverse Drug Reaction,ADR)，给人类健康带来威胁。

药品不良反应自发报告系统对及时发现不良反应发生情况、及时评估药品的安全风险、保障用药安全具有重要作用。

基于安全性和有效性的相关原则，国际上将药品分为处方药(RX)和非处方药(Over The CounIer，OTC)两大类。OTC是可以不用医生处方，患者可以在药店直接购买，其安全性上要优于RX。RX和OTC在一定条件下可以相互转化，目前这种转化主要通过药企申请、国家审批的方式，其中的审批过程主要是专家调查，以人工方式为主，缺乏基于机器学习进行自动化决策的方法。

本发明基于我国自发报告数据，利用朴素随机过采样解决数据中存在RX的数量远大于OTC的问题，建立药品风险评价指标并构建药品风险矩阵，利用支持向量机实现RX和OTC的分类模型。

发明内容

解决的技术问题：为了克服现有技术中存在的不足，本申请提出一种基于朴素随机过采样和支持向量机的药品风险分级的方法，基于我国自发报告数据，利用不平衡抽样技术中的朴素过采样算法和支持向量机二分类器，构建一种用于药品风险分级的自动分类模型，为我国的药品风险评估体系提供一种自动化评估分类方法，以解决现有技术中处方药和非处方药样本不平衡等技术问题。

技术方案：一种基于朴素随机过采样和支持向量机的药品风险分级的方法，包括如下步骤：

第一步：查询自发报告数据中与药品不良反应风险关联的因素，建立I₁、I₂、I₃作为风险指标；

第二步：基于自发报告数据，计算各药品的三个指标值；

第三步：以药品为对象，以三个指标为特征，建立药品风险矩阵；

第四步：依据国家基本药物目录，对药品风险矩阵中的两类药品进行类别标注，处方药标注为“0”，非处方药标注为“1”,将标注后的数据集为原始数据，记为D₀；

第五步：由于处方药的数量远大于非处方药，利用朴素过采样技术对药品风险矩阵中的非处方药数据进行样本扩充，处方药数据保持不变，使得处方药和非处方药样本量相当，扩充后的数据集记为D₁；

第六步：基于二分类支持向量机对数据集D₁进行分类，建立用于处方药和非处方药自动识别的分类模型；

第七步：利用我国2010-2011年药品不良反应自发报告数据，对上述方法的可行性进行验证。

作为本申请的一种优选技术方案：所述第一步的详细步骤如下：