基于異構信息網絡的臨床用藥決策算法研究.pdf

1、隨著醫(yī)學文獻數據以及臨床數據的快速增長，醫(yī)療大數據的研究如火如荼，如何從文獻數據以及臨床數據中挖掘有效的醫(yī)學知識輔助醫(yī)生進行臨床決策也是近年來研究的熱點。目前的臨床決策機制大多是基于貝葉斯理論、關聯(lián)規(guī)則、神經網絡等機器學習或數據挖掘技術，而異構信息網絡分析方法作為數據挖掘技術中的一種，可以將醫(yī)學數據中的對象通過某些關系連接在一起構成異構信息網絡，再通過網絡分析方法達到臨床用藥決策支持的目的。
　　本文結合醫(yī)學文獻數據及臨床數據提出

2、基于異構信息網絡的臨床用藥決策算法，研究的主要工作包括：
　　①對已有的使用異構信息網絡分析技術進行臨床決策支持的MedRa nk算法進行研究并改進。該算法從醫(yī)學文獻數據庫MEDLINE中抽取跟疾病相關的文章、作者、期刊、藥物等對象構成異構星型信息網絡，并通過網絡分析方法為醫(yī)生推薦有效的治療藥物。MedRa nk算法假設“有效的藥物是由好的文章提出的，這些文章是由好的作者寫的且刊登在好的期刊上”，但是卻沒有定義什么樣的文章、作者、

3、期刊是好的。所以本文引入作者H指數、文章引用數、期刊影響因子來進行定義，并納入文章的發(fā)表時間、發(fā)表類型、研究類型等因素提出HIC-MedRa nk算法。本文以高血壓合并慢性腎臟病作為實驗輸入，降壓藥作為實驗輸出，為醫(yī)生推薦具體的降壓藥。
　?、谶M一步將異構信息網絡分析技術應用到臨床數據中，提出從真實的醫(yī)療數據中挖掘有效治療方案的ClinicRank算法。本文以推薦治療高血壓及其合并癥的降壓方案為例，從中南大學湘雅三醫(yī)院獲得高血壓患

4、病人群的數據，將數據預處理后進行特征選擇，用選擇出來的特征以及降壓方案構成以患者為中心對象的異構信息網絡，再通過網絡分析方法得到有效的降壓方案排名。除此之外，本文還可以得到醫(yī)生和科室的排名，為患者推薦診療水平較高的醫(yī)生和科室。
　　在MEDLINE數據集上的實驗結果顯示，HIC-MedRank算法推薦的藥物比原算法推薦的結果更精準，更得到主治醫(yī)師的認可，且與指南一致性達到80％。而在臨床數據集上的實驗結果顯示，ClinicRank