CN111312408A - 一种基于大数据的临床药物效果评估方法 - Google Patents

一种基于大数据的临床药物效果评估方法 Download PDF

Info

Publication number
CN111312408A
CN111312408A CN202010253450.7A CN202010253450A CN111312408A CN 111312408 A CN111312408 A CN 111312408A CN 202010253450 A CN202010253450 A CN 202010253450A CN 111312408 A CN111312408 A CN 111312408A
Authority
CN
China
Prior art keywords
patient
medicine
big data
evaluation
drug
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN202010253450.7A
Other languages
English (en)
Inventor
李泽平
王雪灵
陈彦霖
陈诚
刘欣然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202010253450.7A priority Critical patent/CN111312408A/zh
Publication of CN111312408A publication Critical patent/CN111312408A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于大数据的临床药物效果评估方法，包括大数据建立和运行评估，所述大数据建立即对患者评估系统的建立，运行评估即患者对系统进行规范填写并运行，确定药物选择及药物剂量，大数据建立包括如下步骤：(A)、药物名称及药物剂量确定；(B)、记录患者所患疾病及自身状态；(C)、建立对应药物相关CYP450基因谱系；(D)、记录患者先天评估；(E)、记录症状评估报告；方便进行操作，通过比对相似度，从而可以精确选出与患者自身病况最佳的药物以及药物剂量，能够最大限度确保治愈患者，避免因误选药物或者药物剂量造成病情恶化，从而保证患者的健康，且操作便捷性节约医疗资源。

Description

一种基于大数据的临床药物效果评估方法
技术领域
本发明属于临床药物技术领域，具体涉及一种基于大数据的临床药物效果评估方法。
背景技术
药物临床试验是指任何在人体(病人或健康志愿者)进行的药物的系统性研究，以证实或发现试验药物的临床、药理和/或其他药效学方面的作用、不良反应和/或吸收、分布、代谢及排泄，目的是确定试验药物的安全性和有效性，药物临床试验是确证新药有效性和安全性必不可少的步骤。进行药物临床试验需要多种专业技术人员的合作。一个好的临床研究队伍不仅应包括医学、药学、药理学、生物学、生物统计学等专业人员，还应包括非医学专业的但富有经验的文档管理人员。为了充分发挥这些人员的作用，他们应当充分了解药物临床试验的研究过程和有关的法规、标准和原则。由于药物临床研究的方法、手段、目的的特殊性，例如，需要人类受试者的参与、药物临床试验的资料和结果需要经过药品监督管理部门的审批等，药物临床研究与一般的科学研究不同，需要满足更多的条条框框，遵循更多的原则。可以讲，一个富有临床治疗经验的好医生，未必就是一个合格的临床研究者。准备和正在参与临床研究的医生及有关人员应当首先了解开展临床研究的基本原则、理念和法规要求，才能保证在将来的工作中处于主动地位；
现有的药物评估方法，无法使患者选到最适合自身病症的药物，从而对患者的病情有所拖延，造成持续恶化的问题，为此我们提出一种基于大数据的临床药物效果评估方法。
发明内容
本发明的目的在于提供一种基于大数据的临床药物效果评估方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于大数据的临床药物效果评估方法，包括大数据建立和运行评估，所述大数据建立即对患者评估系统的建立，运行评估即患者对系统进行规范填写并运行，确定药物选择及药物剂量。
优选的，所述大数据建立包括如下步骤：
(A)、药物名称及药物剂量确定；
(B)、记录患者所患疾病及自身状态；
(C)、建立对应药物相关CYP450基因谱系；
(D)、记录患者先天评估；
(E)、记录症状评估报告；
(F)、记录药物效果，最终形成数据库。
优选的，运行评估包括如下步骤：
(S1)、患者确定自身状况：患者先自我进行先天评估记为K,以及症状评估记为M，确定自身状态记为N，进行CYP450基因筛查记为L；
(S2)、数据输入：向系统中依次输入K、M、N和L；
(S3)、智能数据比对：人工智能比对数据库中数据与患者数据K、M、N和L最接近的患者病历；
(S4)、确定药物：独立把数据库中数据分类加权运算，根据运算从最接近的患者病历选出效果最好的药物；
(S5)、确定药物预期效果及药剂量推荐：独立加权运算从最接近的患者病历选出药物效果最好的药物剂量；
(S6)、进行相似度比对：记录患者服药后与数据库中所选病历服药后症状进行比对，若相似度高，则为良性发展，继续用药即可。
优选的，所述(A)中，药物剂量可为H～P，且H和P均为大于0的自然数，且P大于N。
优选的，所述(A)中药物名称仅限于肝脏代谢药物。
优选的，所述(B)中患者自身状态数据至少包括人体体温、心电、心率、血氧、血压、血糖、脉搏、呼吸、体动和人体影像空间，患者所患疾病包括并发症。
优选的，所述(D)中患者先天评估至少包括有精神病药物vs人格测试。
优选的，所述(E)中症状评估报告需进行症状相关测试，至少包括有视力测试、心脏功能测试，血压血糖测试和心电心率测试，所述(F)中药物效果包含副作用在内。
优选的，所述大数据建立收集的数据可分类为内在因素\外在因素\症状等，记录为A/B/C等数据模块，各模块收集信息类别可以很多，具有差异分类记录为A1，A2……B1，B2……C1，C2……D1，D2……等，分析模块在运算时根据ABC加权，12345数字代表的二级模块由分析模块进行相似度分析。
优选的，所述(S4)和(S5)中确定药物及确定药物预期效果及药剂量推荐均根据数据库的相似性。
与现有技术相比，本发明的有益效果是：
本药物评估方法，方便进行操作，通过比对相似度，从而可以精确选出与患者自身病况最佳的药物以及药物剂量，能够最大限度确保治愈患者，避免因误选药物或者药物剂量造成病情恶化，从而保证患者的健康，且操作便捷性节约医疗资源。
附图说明
图1为本发明的方法流程示意图；
图2为本发明的系统模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1和图2，本发明提供一种基于大数据的临床药物效果评估方法，包括大数据建立和运行评估，大数据建立即对患者评估系统的建立，运行评估即患者对系统进行规范填写并运行，确定药物选择及药物剂量。
本实施例中，优选的，大数据建立包括如下步骤：
(A)、药物名称及药物剂量确定；
(B)、记录患者所患疾病及自身状态；
(C)、建立对应药物相关CYP450基因谱系(不由肝脏代谢药物除外)；
(D)、记录患者先天评估；
(E)、记录症状评估报告；
(F)、记录药物效果，最终形成数据库。
本实施例中，优选的，运行评估包括如下步骤：
(S1)、患者确定自身状况：患者先自我进行先天评估记为K,以及症状评估记为M，确定自身状态记为N，进行CYP450基因筛查记为L；
(S2)、数据输入：向系统中依次输入K、M、N和L；
(S3)、智能数据比对：人工智能比对数据库中数据与患者数据K、M、N和L最接近的患者病历；
(S4)、确定药物：独立把数据库中数据分类加权运算，根据运算从最接近的患者病历选出效果最好的药物；
(S5)、确定药物预期效果及药剂量推荐：独立加权运算从最接近的患者病历选出药物效果最好的药物剂量；
(S6)、进行相似度比对：记录患者服药后与数据库中所选病历服药后症状进行比对，若相似度高，则为良性发展，继续用药即可。
本实施例中，优选的，(A)中，药物剂量为H。
本实施例中，优选的，(A)中药物名称仅限于肝脏代谢药物。
本实施例中，优选的，(B)中患者自身状态数据包括人体体温、心电、心率、血氧、血压、血糖、脉搏、呼吸、体动和人体影像空间，患者所患疾病包括并发症。
本实施例中，优选的，(D)中患者先天评估包括有精神病药物vs人格测试。
本实施例中，优选的，(E)中症状评估报告需进行症状相关测试，包括有视力测试、心脏功能测试，血压血糖测试和心电心率测试，(F)中药物效果包含副作用在内。
本实施例中，优选的，大数据建立收集的数据可分类为内在因素\外在因素\症状等，记录为A/B/C等数据模块，各模块收集信息类别可以很多，具有差异分类记录为A1，分析模块在运算时根据ABC加权，1数字代表的二级模块由分析模块进行相似度分析。
本实施例中，优选的，(S4)和(S5)中确定药物及确定药物预期效果及药剂量推荐均根据数据库的相似性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述，仅用以说明本发明的技术方案而非限制，本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于大数据的临床药物效果评估方法，其特征在于，包括大数据建立和运行评估，所述大数据建立即对患者评估系统的建立，运行评估即患者对系统进行规范填写并运行，确定药物选择及药物剂量。
2.根据权利要求1所述的一种基于大数据的临床药物效果评估方法，其特征在于，大数据建立包括如下步骤：
(A)、药物名称及药物剂量确定；
(B)、记录患者所患疾病及自身状态；
(C)、建立对应药物相关CYP450基因谱系；
(D)、记录患者先天评估；
(E)、记录症状评估报告；
(F)、记录药物效果，最终形成数据库。
3.根据权利要求1所述的一种基于大数据的临床药物效果评估方法，其特征在于，运行评估包括如下步骤：
(S1)、患者确定自身状况：患者先自我进行先天评估记为K,以及症状评估记为M，确定自身状态记为N，进行CYP450基因筛查记为L；
(S2)、数据输入：向系统中依次输入K、M、N和L；
(S3)、智能数据比对：人工智能比对数据库中数据与患者数据K、M、N和L最接近的患者病历；
(S4)、确定药物：独立把数据库中数据分类加权运算，根据运算从最接近的患者病历选出效果最好的药物；
(S5)、确定药物预期效果及药剂量推荐：独立加权运算从最接近的患者病历选出药物效果最好的药物剂量；
(S6)、进行相似度比对：记录患者服药后与数据库中所选病历服药后症状进行比对，若相似度高，则为良性发展，继续用药即可。
4.根据权利要求2所述的一种基于大数据的临床药物效果评估方法，其特征在于：所述(A)中，药物剂量可为H～P，且H和P均为大于0的自然数，且P大于N。
5.根据权利要求2所述的一种基于大数据的临床药物效果评估方法，其特征在于：所述(A)中药物名称仅限于肝脏代谢药物。
6.根据权利要求2所述的一种基于大数据的临床药物效果评估方法，其特征在于：所述(B)中患者自身状态数据至少包括人体体温、心电、心率、血氧、血压、血糖、脉搏、呼吸、体动和人体影像空间，患者所患疾病包括并发症。
7.根据权利要求2所述的一种基于大数据的临床药物效果评估方法，其特征在于：所述(D)中患者先天评估至少包括有精神病药物vs人格测试。
8.根据权利要求2所述的一种基于大数据的临床药物效果评估方法，其特征在于：所述(E)中症状评估报告需进行症状相关测试，至少包括有视力测试、心脏功能测试，血压血糖测试和心电心率测试，所述(F)中药物效果包含副作用在内。
9.根据权利要求2所述的一种基于大数据的临床药物效果评估方法，其特征在于：所述大数据建立收集的数据可分类为内在因素\外在因素\症状等，记录为A/B/C等数据模块，各模块收集信息类别可以很多，具有差异分类记录为A1，A2……B1，B2……C1，C2……D1，D2……等，分析模块在运算时根据ABC加权，12345数字代表的二级模块由分析模块进行相似度分析。
10.根据权利要求2所述的一种基于大数据的临床药物效果评估方法，其特征在于：所述(S4)和(S5)中确定药物及确定药物预期效果及药剂量推荐均根据数据库的相似性。
CN202010253450.7A 2020-04-02 2020-04-02 一种基于大数据的临床药物效果评估方法 Withdrawn CN111312408A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010253450.7A CN111312408A (zh) 2020-04-02 2020-04-02 一种基于大数据的临床药物效果评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010253450.7A CN111312408A (zh) 2020-04-02 2020-04-02 一种基于大数据的临床药物效果评估方法

Publications (1)

Publication Number Publication Date
CN111312408A true CN111312408A (zh) 2020-06-19

Family

ID=71148256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010253450.7A Withdrawn CN111312408A (zh) 2020-04-02 2020-04-02 一种基于大数据的临床药物效果评估方法

Country Status (1)

Country Link
CN (1) CN111312408A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270967A (zh) * 2020-11-16 2021-01-26 上海陶术生物科技有限公司 一种药物疾病匹配数据库
CN112802612A (zh) * 2021-01-23 2021-05-14 广州医科大学附属脑科医院 基于精神分裂症的用药分析方法、装置、设备及存储介质
CN114025253A (zh) * 2021-11-05 2022-02-08 杭州联众医疗科技股份有限公司 一种基于真实世界研究的药物疗效评估系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270967A (zh) * 2020-11-16 2021-01-26 上海陶术生物科技有限公司 一种药物疾病匹配数据库
CN112802612A (zh) * 2021-01-23 2021-05-14 广州医科大学附属脑科医院 基于精神分裂症的用药分析方法、装置、设备及存储介质
CN112802612B (zh) * 2021-01-23 2023-10-31 广州医科大学附属脑科医院 基于精神分裂症的用药分析方法、装置、设备及存储介质
CN114025253A (zh) * 2021-11-05 2022-02-08 杭州联众医疗科技股份有限公司 一种基于真实世界研究的药物疗效评估系统

Similar Documents

Publication Publication Date Title
CN110880362B (zh) 一种大规模医疗数据知识挖掘与治疗方案推荐系统
Rachas et al. Interactive telemedicine: effects on professional practice and health care outcomes
CN111312408A (zh) 一种基于大数据的临床药物效果评估方法
Albassam et al. Did this patient have cardiac syncope?: the rational clinical examination systematic review
EP3255573A1 (en) Clinical decision supporting ensemble system and clinical decison supporting method using the same
US20140155763A1 (en) Medical analysis and diagnostic system
US20040103001A1 (en) System and method for automatic diagnosis of patient health
CN115223679A (zh) 基于机器学习的围手术期风险预警方法
KR20190132290A (ko) 환자 진단 학습 방법, 서버 및 프로그램
EP1941444A1 (en) Matrix interface for medical diagnostic and treatment advice system and method
CN108538352B (zh) 用药信息处理方法
US20120215561A1 (en) Online integrating system for anamnesis
CN112164440A (zh) 一种人工智能开药系统、开药方法和人工智能药店
Yoon et al. Discovering hidden information in biosignals from patients using artificial intelligence
CN111128324A (zh) 术前访视与麻醉评估信息系统软件
Corbett et al. Cognition and understanding of neuropathy of inpatients admitted to a specialized tertiary diabetic foot unit with diabetes-related foot ulcers
CN112164455A (zh) 一种老年慢性病交互式健康管理系统及其管理方法
TWI807223B (zh) 手術麻醉風險評估輔助系統、程式產品及其建立與使用方法
Rasubala et al. Digital twin roles in public healthcare
Devi et al. Integration of genomic data with EHR using IoT
De Los Reyes et al. Graphical representations of adolescents’ psychophysiological reactivity to social stressor tasks: Reliability and validity of the Chernoff Face approach and person-centered profiles for clinical use.
Soguero-Ruiz et al. An interoperable system toward cardiac risk stratification from ECG monitoring
CN107423558A (zh) 一种病患信息关联方法及系统
CN113707245A (zh) 基于现代通讯技术的顽固性高血压防治体系的构建方法
RU2693160C1 (ru) Телемедицинская система для дистанционного обследования здоровья и способ оценки риска наличия заболевания

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200619