基于多源异质数据的临床用药推荐方法

技术领域

本发明涉及医学临床用药方法领域，更具体地说，涉及一种基于多源异质数据的临床用药推荐方法。

背景技术

基于健康医疗大数据的临床决策支持系统可为医务工作者、病人或任何个人提供知识、特定个体或人群信息，智能化的过滤和表达信息，为的是提供更好的健康、诊疗和公共卫生服务,使临床医疗达到最佳疗效。而治疗用药决策作为临床决策的重要组成部分，其可根据历史医疗健康大数据来辅助医生更加高效地选择和制定有益于病人的最佳治疗方案和用药组合，从而可更好的缓解医疗资源欠缺的现状。医疗大数据具有数据量大、实时性强、种类多样和潜在价值高四个大数据的特点，使得潜在价值挖掘的背后暗含着巨大的挑战。比如，医疗健康大数据(如电子病历数据)中包含着大量的多元异构以及多模态数据，比如电子病历数据中包含着病人个人信息、历史用药数据、历史检查检验等异质性数据。且此类数据又具有一定的相互关联性和时序复杂性。如何合理高效的通过智能决策算法方法对这些异质型的相关联的多源数据进行分析处理，并对临床用药规律进行智能化学习和判断，从而辅助医生为病人提供最有效的治疗方案或者治疗用药。基于以上问题，我们提出了基于多源异质数据的临床用药推荐方法。

发明内容

本发明针对如何合理高效的通过智能决策算法方法对这些异质型的相关联的多源数据进行分析处理，并对临床用药规律进行智能化学习和判断，从而辅助医生为病人提供最有效的治疗方案或者治疗用药的问题，提供一种基于多源异质数据的临床用药推荐方法。

为了达到上述目的，本发明提供了一种基于多源异质数据的临床用药推荐方法，所述多源异质数据包括人信息数据包括患者年龄、性别、民族和教育，以及主要诊断信息；其中，所述主要诊断信息视作静态信息，所述序列性检查检验结果和治疗药物视为异构序列数据；所述临床用药智能推荐方法是将所得到的多源异质数据输入到模型融合网络中利用深度学习技术学习得到综合的病人表示信息，具体步骤如下：

S1、通过双通道的长短时记忆网络分别对于实验检查序列和用药序列进行编码得到每个时刻的对应表示向量

S2、将S1中所述的表示向量

S3、根据S2中所述的表示信息对于未来用药推荐决策的重要程度，通过注意力机制得到药物表示和实验检查表示的上下文向量

S4、将S3中所述的表示信息结合到一起后，通过一个多层感知机网络得到病人的表示信息o

S5、再通过分类函数Softmax获得病人未来需要的药物的概率。

优选的是，对多源数据进行融合的过程中，除了采取对长短时记忆网络设计动态参数的方法，还可以采取非动态参数的方法。

优选的是，所述多源异质时间序列数据用药序列和检查检验序列对于未来用药进行预测，可以用单一序列结合个人信息的方式替换。

本发明的其优点为：(1)可以将电子病历数据中的多源异质数据相融合；(2)设计出的基于元学习的算法动态更新双通道网络，可以实现基于时刻的个性化用药推荐；(3)通过多重注意力机制可以衡量历史信息对于未来药物推荐的重要性，以此可增强模型的可信度。(4)数据融合阶段采用了普通连接层，使得网络易于扩展融合其他异质信息。

附图说明

图1是本发明中所述电子病历中的异质相关序列数据示意图。

图2是本发明中基于多源异质数据融合的用药推荐方法示意图。

具体实施方式

如图1-图2所示，本发明一种基于多源异质数据的临床用药推荐方法，所述多源异质数据包括人信息数据包括患者年龄、性别、民族和教育，以及主要诊断信息；其中，所述主要诊断信息视作静态信息，所述序列性检查检验结果和治疗药物视为异构序列数据；所述临床用药智能推荐方法是将所得到的多源异质数据输入到模型融合网络中利用深度学习技术学习得到综合的病人表示信息，具体步骤如下：

S1、通过双通道的长短时记忆网络分别对于实验检查序列和用药序列进行编码得到每个时刻的对应表示向量

S2、将S1中所述的表示向量

S3、根据S2中所述的表示信息对于未来用药推荐决策的重要程度，通过注意力机制得到药物表示和实验检查表示的上下文向量

S4、将S3中所述的表示信息结合到一起后，通过一个多层感知机网络得到病人的表示信息o

S5、再通过分类函数Softmax获得病人未来需要的药物的概率。

对多源数据进行融合的过程中，除了采取对长短时记忆网络设计动态参数的方法，还可以采取非动态参数的方法。所述多源异质时间序列数据用药序列和检查检验序列对于未来用药进行预测，可以用单一序列结合个人信息的方式替换。本发明在对多源数据进行融合的过程中，除了采取对长短时记忆网络设计动态参数的方法，还可以采取非动态参数的方法。除了同时使用多源异质时间序列数据用药序列和检查检验序列，还可以只使用单一序列结合个人信息的方式对于未来用药进行预测。在数据融合阶段，采取了将多种异质数据进行合并的方式进行融合，还可以采取使用注意力机制的方式基于重要性程度再进行结合的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。