基于異構(gòu)信息網(wǎng)絡(luò)的臨床用藥決策算法研究.pdf

1、隨著醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)以及臨床數(shù)據(jù)的快速增長，醫(yī)療大數(shù)據(jù)的研究如火如荼，如何從文獻(xiàn)數(shù)據(jù)以及臨床數(shù)據(jù)中挖掘有效的醫(yī)學(xué)知識輔助醫(yī)生進(jìn)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(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)或數(shù)據(jù)挖掘技術(shù)，而異構(gòu)信息網(wǎng)絡(luò)分析方法作為數(shù)據(jù)挖掘技術(shù)中的一種，可以將醫(yī)學(xué)數(shù)據(jù)中的對象通過某些關(guān)系連接在一起構(gòu)成異構(gòu)信息網(wǎng)絡(luò)，再通過網(wǎng)絡(luò)分析方法達(dá)到臨床用藥決策支持的目的。
　　本文結(jié)合醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)及臨床數(shù)據(jù)提出

2、基于異構(gòu)信息網(wǎng)絡(luò)的臨床用藥決策算法，研究的主要工作包括：
　?、賹σ延械氖褂卯悩?gòu)信息網(wǎng)絡(luò)分析技術(shù)進(jìn)行臨床決策支持的MedRa nk算法進(jìn)行研究并改進(jìn)。該算法從醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫MEDLINE中抽取跟疾病相關(guān)的文章、作者、期刊、藥物等對象構(gòu)成異構(gòu)星型信息網(wǎng)絡(luò)，并通過網(wǎng)絡(luò)分析方法為醫(yī)生推薦有效的治療藥物。MedRa nk算法假設(shè)“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(shù)、文章引用數(shù)、期刊影響因子來進(jìn)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(jìn)一步將異構(gòu)信息網(wǎng)絡(luò)分析技術(shù)應(yīng)用到臨床數(shù)據(jù)中，提出從真實的醫(yī)療數(shù)據(jù)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(xué)湘雅三醫(yī)院獲得高血壓患

4、病人群的數(shù)據(jù)，將數(shù)據(jù)預(yù)處理后進(jìn)行特征選擇，用選擇出來的特征以及降壓方案構(gòu)成以患者為中心對象的異構(gòu)信息網(wǎng)絡(luò)，再通過網(wǎng)絡(luò)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(shù)據(jù)集上的實驗結(jié)果顯示，HIC-MedRank算法推薦的藥物比原算法推薦的結(jié)果更精準(zhǔn)，更得到主治醫(yī)師的認(rèn)可，且與指南一致性達(dá)到80％。而在臨床數(shù)據(jù)集上的實驗結(jié)果顯示，ClinicRank