CN115101164A - 一种药物推荐方法和系统 - Google Patents
一种药物推荐方法和系统 Download PDFInfo
- Publication number
- CN115101164A CN115101164A CN202210730624.3A CN202210730624A CN115101164A CN 115101164 A CN115101164 A CN 115101164A CN 202210730624 A CN202210730624 A CN 202210730624A CN 115101164 A CN115101164 A CN 115101164A
- Authority
- CN
- China
- Prior art keywords
- vocabulary
- vocabularies
- patient
- association
- medication
- 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.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 89
- 229940079593 drug Drugs 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000011282 treatment Methods 0.000 claims abstract description 49
- 201000010099 disease Diseases 0.000 claims abstract description 22
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 22
- 238000001647 drug administration Methods 0.000 claims abstract description 6
- 208000024891 symptom Diseases 0.000 claims description 43
- 239000003443 antiviral agent Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 208000006454 hepatitis Diseases 0.000 claims description 6
- 231100000283 hepatitis Toxicity 0.000 claims description 6
- 208000002672 hepatitis B Diseases 0.000 description 50
- 208000000419 Chronic Hepatitis B Diseases 0.000 description 32
- 241000700721 Hepatitis B virus Species 0.000 description 23
- 101710142246 External core antigen Proteins 0.000 description 15
- 230000000840 anti-viral effect Effects 0.000 description 15
- 238000001514 detection method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 229960000980 entecavir Drugs 0.000 description 8
- YXPVEXCTPGULBZ-WQYNNSOESA-N entecavir hydrate Chemical compound O.C1=NC=2C(=O)NC(N)=NC=2N1[C@H]1C[C@H](O)[C@@H](CO)C1=C YXPVEXCTPGULBZ-WQYNNSOESA-N 0.000 description 8
- VCMJCVGFSROFHV-WZGZYPNHSA-N tenofovir disoproxil fumarate Chemical compound OC(=O)\C=C\C(O)=O.N1=CN=C2N(C[C@@H](C)OCP(=O)(OCOC(=O)OC(C)C)OCOC(=O)OC(C)C)C=NC2=C1N VCMJCVGFSROFHV-WZGZYPNHSA-N 0.000 description 8
- 230000001684 chronic effect Effects 0.000 description 6
- 208000019425 cirrhosis of liver Diseases 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 206010011224 Cough Diseases 0.000 description 5
- 210000002966 serum Anatomy 0.000 description 5
- 206010019663 Hepatic failure Diseases 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000007882 cirrhosis Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 206010073071 hepatocellular carcinoma Diseases 0.000 description 4
- 231100000844 hepatocellular carcinoma Toxicity 0.000 description 4
- 231100000835 liver failure Toxicity 0.000 description 4
- 208000007903 liver failure Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 206010059866 Drug resistance Diseases 0.000 description 3
- 206010016654 Fibrosis Diseases 0.000 description 3
- 230000002155 anti-virotic effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 208000015181 infectious disease Diseases 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 102000014150 Interferons Human genes 0.000 description 2
- 108010050904 Interferons Proteins 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002458 infectious effect Effects 0.000 description 2
- 229940079322 interferon Drugs 0.000 description 2
- 208000019423 liver disease Diseases 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002773 nucleotide Substances 0.000 description 2
- 125000003729 nucleotide group Chemical group 0.000 description 2
- 239000008188 pellet Substances 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- SVUJNSGGPUCLQZ-FQQAACOVSA-N tenofovir alafenamide fumarate Chemical compound OC(=O)\C=C\C(O)=O.O([P@@](=O)(CO[C@H](C)CN1C2=NC=NC(N)=C2N=C1)N[C@@H](C)C(=O)OC(C)C)C1=CC=CC=C1.O([P@@](=O)(CO[C@H](C)CN1C2=NC=NC(N)=C2N=C1)N[C@@H](C)C(=O)OC(C)C)C1=CC=CC=C1 SVUJNSGGPUCLQZ-FQQAACOVSA-N 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 238000011269 treatment regimen Methods 0.000 description 2
- 208000004930 Fatty Liver Diseases 0.000 description 1
- VZCYOOQTPOCHFL-OWOJBTEDSA-N Fumaric acid Chemical compound OC(=O)\C=C\C(O)=O VZCYOOQTPOCHFL-OWOJBTEDSA-N 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 206010019799 Hepatitis viral Diseases 0.000 description 1
- 102000006992 Interferon-alpha Human genes 0.000 description 1
- 108010047761 Interferon-alpha Proteins 0.000 description 1
- 206010048723 Multiple-drug resistance Diseases 0.000 description 1
- 208000007271 Substance Withdrawal Syndrome Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 229940124401 anti-hepatitis virus drug Drugs 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003389 potentiating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 208000037821 progressive disease Diseases 0.000 description 1
- OLBCVFGFOZPWHH-UHFFFAOYSA-N propofol Chemical compound CC(C)C1=CC=CC(C(C)C)=C1O OLBCVFGFOZPWHH-UHFFFAOYSA-N 0.000 description 1
- 229960004134 propofol Drugs 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 229960001355 tenofovir disoproxil Drugs 0.000 description 1
- JFVZFKDSXNQEJW-CQSZACIVSA-N tenofovir disoproxil Chemical compound N1=CN=C2N(C[C@@H](C)OCP(=O)(OCOC(=O)OC(C)C)OCOC(=O)OC(C)C)C=NC2=C1N JFVZFKDSXNQEJW-CQSZACIVSA-N 0.000 description 1
- 229960004693 tenofovir disoproxil fumarate Drugs 0.000 description 1
- VZCYOOQTPOCHFL-UHFFFAOYSA-N trans-butenedioic acid Natural products OC(=O)C=CC(O)=O VZCYOOQTPOCHFL-UHFFFAOYSA-N 0.000 description 1
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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种药物推荐方法,所述方法包括如下步骤:构建病症治疗词汇库,所述词汇库包括药物词汇和患者词汇,根据所述词汇库构建药物词汇和患者词汇的概念关系;构建贝叶斯网络,配置每个节点和对应连接节点的联想条件概率,输出节点输出联想词汇;根据所述概念关系和患者自身数据建立不同患者的OWL本体;根据规范的用药方案建立用药SWRL规则;根据所述贝叶斯网络输出的联想词汇作为对应的一个或多个OWL本体和对应的用药SWRL规则推理输出推荐用药方案。所述方法和系统基于知识库、推理机和贝叶斯网络执行用药推荐,使得推理机在严谨推理的同时具有具备一定的想象力,从而丰富推理结果。
Description
技术领域
本发明涉及计算机知识图谱和贝叶斯网络技术领域,特别涉及一种药物推荐方法和系统。
背景技术
慢性乙型肝炎(chronic hepatitis B,简称CHB)是由乙型肝炎病毒(hepatitis Bvirus,简称HBV)引起的慢性进展性疾病,如果没有得到及时有效的抗病毒治疗,疾病最终将进展为肝硬化、肝衰竭或肝细胞癌(简称HCC)而导致死亡。据世界卫生组织报道,全球约3.5亿人为慢性HBV感染者,每年约有100万人死于HBV感染所致的肝衰竭、肝硬化和肝细胞癌。2006年全国乙肝血清流行病学调查结果表明,我国慢性HBV感染者约9300万人,其中慢性乙肝患者约2000万例。抗病毒治疗是治疗CHB最重要和最有效的方法。大量临床研究和临床实践证明,通过长期有效的抗病毒治疗,清除或抑制HBV后,可以阻止和延缓疾病进展为肝硬化、肝衰竭或肝细胞癌,从而改善患者的长期预后,降低患者的病死率。
核苷酸类药物和干扰素是目前乙肝抗病毒治疗药物的主要种类,该类药物具有不能彻底清除乙肝病毒、治疗疗程长、耐药管理和补救方案复杂、停药后容易复发等缺点。中华医学会感染病学分会和肝病学分会于2019年组织国内专家,制定了《慢性乙型肝炎防治指南(2019年版)》。指南中包含了抗病毒治疗的药物选择、治疗过程中的监测及特殊人群治疗等方面的内容。
目前我国肝脏疾病的诊断和治疗主要以感染科、消化科和肝胆外科医生承担。消化科医生主要在诊治肝硬化、脂肪肝方面有较好的经验,对病毒性肝炎的知识更新则相对滞后;肝胆外科医生的内科肝病知识更为欠缺,例如许多医生不了解抗肝炎病毒药物的临床使用等等。此外,由于地域发展的不平衡,以及不同级别医院,一些医生在情况比较复杂的慢性乙型肝炎(乙肝)的抗病毒治疗方面,随意性较强,HBV的耐药甚至多重耐药频频出现,严重阻碍慢性乙肝的控制和治疗。用药不规范会导致病毒“反扑”,进而导致患者肝功能迅速恶化甚至肝衰竭、死亡。
目前现有技术中针对乙肝药物的推荐只有传统的根据患者统计的病例信息和用药规范进行人工干预用药,实际上基于旧用药体系和人工知识体系的落后使得乙肝治疗效果不均衡。
并且现有技术中传统的推理机用于药物推荐不具有联想能力,而实际诊断过程中相同症状的关联疾病可能存在多个,而且仅仅基于慢性乙型肝炎防治指南的症状判断过于单一,可能包含其他疾病的症状或者其他可能存在的因素对用药的影响并未计算在内,也就是说传统的推理机仅仅是专科病症的规范推理,而规范推理条件下也可能存在大量容易忽略因素数使得用药出现较大偏差。
发明内容
本发明其中一个发明目的在于提供一种药物推荐方法和系统,所述方法和系统基于知识库和推理机执行用药推荐,并结合贝叶斯网络作为联想模块,执行用药的联想推理,其中贝叶斯网络根据输入的原始症状提供具有概率分布预测的联想症状,并将联想症状结合原始症状作为推理机的扩展条件执行最终推理预测的用药规范。
本发明另一个发明目的在于提供一种药物推荐方法和系统,所述方法和系统通过OWL本体和SWRL规则将不断更新的乙肝防治指南的中患者和各种抗病毒药物词汇之间的关系以及患者和推荐药物之间建立结构化的知识和推荐规则,从而可以将乙肝防治方法转化为计算机程序可识别的内容,减少人为用药的随意性。
本发明另一个发明目的在于提供一种药物推荐方法和系统,所述方法和系统将基于贝叶斯网络的联想模块可以根据输入信息执行极大概率关联信息的输出作为联想症状,因此基于极大概率关联信息的输出可以有助于使用者进一步高效准确进行决策。
本发明另一个发明目的在于提供一种药物推荐方法和系统,所述方法和系统适应快速变化的乙型肝炎抗病毒治疗方案,且可以实现治疗方案的快速推广,可以减少医生进行高成本的临床学习,可快速进行用药推荐。
为了实现至少一个上述发明目的,本发明进一步提供一种药物推荐方法,所述方法包括如下步骤:
构建病症治疗词汇库,所述词汇库包括药物词汇和患者词汇,根据所述词汇库构建药物词汇和患者词汇的概念关系;
构建贝叶斯网络,配置每个节点和对应连接节点的联想条件概率,输出节点输出联想词汇;
根据所述概念关系和患者自身数据建立不同患者的OWL本体;
根据规范的用药方案建立用药SWRL规则;
根据所述贝叶斯网络输出的联想词汇作为对应的一个或多个OWL本体和对应的用药SWRL规则推理输出推荐用药方案。
根据本发明其中一个较佳实施例,根据患者的初步症状作为所述贝叶斯网络的输入症状,输出基于初步症状包括极大概率关联信息的联想词汇,基于联想词汇作为所述OWL本体,并通过预设的用药SWRL规则输出基于联想词汇的推荐用药方案。
根据本发明另一个较佳实施例,根据患者的初步症状作为所述贝叶斯网络的输入症状,输出基于初步症状包括极大概率关联信息的联想词汇,将联想词汇和输入的初始症状作为所述患者的OWL本体,并根据对应的用药SWRL规则推理出推荐用药方案。
根据本发明另一个较佳实施例,所述方法包括利用贝叶斯网络二次联想得到二次联想词汇,其中将初始症状输入到所述贝叶斯网络中得到第一联想词汇,并将所述第一联想症状再次输入到所述贝叶斯网络中得到第二联想词汇,将所述第二联想词汇作为所述OWL本体结合对应的用药SWRL规则推理出推荐用药方案。
根据本发明另一个较佳实施例,将初始症状输入到所述贝叶斯网络中得到第一联想词汇,并将所述的第一联想词汇再次输入到所述贝叶斯网络中得到第二联想词汇,将所述第二联想词汇和初始症状,或者将第一联想词汇和第二联想词汇作为OWL本体结合对应的用药SWRL规则推理出推荐用药方案。
根据本发明另一个较佳实施例,其中所述患者的OWL本体构建方法包括:构建所述OWL本体的类、属性和实例,其中类表示不同的患者类型,属性表示包括所属类下患者所检测的患病特征、患病时长、用药特征,所述实例为患者当前的用药规范。
根据本发明另一个较佳实施例,所述患者的OWL本体构建方法还包括:对不同患者信息配置标识符,根据所述标识符引用所述OWL本体对应的类。
根据本发明另一个较佳实施例,所述患者的OWL本体的构建方法包括:根据所述抗病毒病症治疗词汇库构建OWL本体的属性,其中所述属性包括对象属性和数据类型属性,其中所述数据类型属性包括基于病症治疗词汇库构建的药物词汇和患者词汇的RDF文字,或者根据XML Schema内嵌数据类型定义的属性。
根据本发明另一个较佳实施例,根据所述XML Schema内嵌数据类型中的date/time定义包括用药日期/时长、诊断时长和恢复时长。
根据本发明另一个较佳实施例,所述属性的特征包括传递属性,根据所述病症治疗词汇库中选取具有包含关系词汇配置传递属性,根据配置的传递属性的词汇若满足SWRL规则的词汇一致性则输出对应SWRL规则下的用药方案。
根据本发明另一个较佳实施例,所述OWL本体的属性包括:患者类型、当前药物、患者依从性、已治疗周数、治疗指标;在获取上述属性后,生成属性表达式,根据所述属性表达式从SWRL规则推理得到对应的用药方案。
为了实现至少一个上述发明目的,本发明进一步提供一种乙型肝炎抗病毒药物推荐系统,所述系统执行上述一种药物推荐方法。
本发明进一步提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序可被处理器执行所述一种药物推荐方法。
附图说明
图1显示的是本发明一种药物推荐方法的流程示意图。
图2显示的是本发明中通过推理机结合贝叶斯网络的模块结构示意图。
图3显示的是本发明中以乙肝抗病毒治疗的贝叶斯联想网络示意图。
图4显示的是本发明中基于贝叶斯网络联想模块和传统推理机流程对比示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
请结合图1-图4,本发明公开了一种药物推荐方法和系统。本发明中以乙肝抗病毒药物的治疗作为举例说明,其中所述方法包括如下步骤:首先需要获取乙型肝炎抗病毒治疗词汇信息,其中所述词汇信息可以从最新版的乙肝防治指南中获取,通过包括但不仅限于分词和实体识别的方式获取包括但不仅限于药物词汇和患者词汇,用于构建乙型肝炎抗病毒治疗词汇库。其中所述药物词汇包括但不仅限于:药物名称、药物剂量、药物性状、药物禁忌,用药方式等,所述患者词汇包括但不仅限于性别、年龄、检测项目、检测结果、病症类型、病症分期、患病时长等。在完成乙型肝炎抗病毒治疗词汇库的构建后,根据所述药物词汇和患者词汇的概念关系建立OWL本体,根据所述OWL本体和现有最新版的乙肝防治指南中建立SWRL规则,采用推理机根据所述OWL本体和SWRL规则执行推荐给药的操作。
在完成所述OWL本体的构建后,进一步构建基于贝叶斯网络的联想模块,其中所述贝叶斯网络的初始节点作为输入节点,配置多层节点的联想症状,并根据现有的大数据分析统计后得出的输入症状和联想症状的条件概率,举例来说输入症状为咳嗽,通过预设的条件概率可以从输入症状咳嗽进一步联想到儿童、春天等词汇,上述联想的词汇包含了极大概率关联信息,比如在春天时节,输入咳嗽症状,根据历史数据得到的条件概率通过所述贝叶斯网络输出极大概率关联信息的词汇为春天。需要说明的是,本发明可以采用动态贝叶斯网络,也就是说,输入节点和输出节点之间配置的条件概率将会随着时间变化而变化。比如在春季时,利用贝叶斯网络得到条件概率中极大概率关联信息词汇为春天,因为和在春天咳嗽相关的病症历史数据中可能是最多的。若当前季节是夏季,则输入初始症状咳嗽后,输出最大极大概率关联信息作为联想症状词汇可能为感冒。其中通过对贝叶斯网络中每个节点和其他节点之间的关联关系根据时间设置条件概率权重,从而使得输出节点将会因为时间变化而发生变化。需要说明的是,贝叶斯网络本身是现有的成熟技术,本发明并未对贝叶斯网络本身进行改进,因此如何构建贝叶斯网络本发明不再赘述。
请参考图3-图4,本发明以乙肝抗病毒治疗方法为例说明所述贝叶斯网络构建,其中输入的初始症状词汇为:CHB患者,对应联想词汇为HBsAg阳性,则根据所述HBsAg阳性词汇配置的联想词汇包括:育龄期女性、依从性好、已治疗周期大于48星期,已治疗周期24-48星期。进一步根据所述育龄期女性得到的联想词汇包括:未开始治疗和已开始ETV治疗,上述联想词汇是根据大数据分析得到的条件概率配置的结果。
值得一提的是在完成所述贝叶斯网络作为本发明联想模块的构建后,进一步将所述贝叶斯网络输出节点输出的联想词汇作为所述OWL本体,并进一步根据预先设置的SWRL规则执行推理结果。
具体而言,所述OWL本体的构建方法包括如下步骤:根据预先构建的乙型肝炎抗病毒治疗词汇库后,进一步构建OWL本体的命名空间,其中本发明可采用XML命名空间(namespace)声明,其中所述XML命名空间(namespace)声明被包含在RDF标签里,其中本发明通过所述命名空间结合构建的乙型肝炎抗病毒治疗词汇库可以无歧义地解释标识符。举例来说,可以在http://www.w3.org的空间中,所述RDF标签中可以设置如下的命名空间声明:xmlns(表示指定了缺省命名空间)、xml:base(表示为当前文档的基准URI)、xmlns:词汇名,(表示本体定义了一个词汇,其中所述词汇名可以从乙型肝炎抗病毒治疗词汇库选择。值得一提的是,所述本体词汇名包括但不仅限于CHB(慢性乙型肝炎)患者、慢性HBV感染者、强效低耐药药物和抗病毒药物等作为主词汇名;其中根据分类关系可以进一步在上述本体OWL本体CHB患者构建子类OWL本体:HBeAg阳性CHB患者和HBeAg阴性CHB患者;以及构建主词汇名为慢性HBV感染者OWL本体下的子类OWL本体:HBeAg阴性慢性HBV感染者、HBeAg阳性慢性HBV感染者、乙型肝炎硬化患者和隐匿性HBV感染者;其中以主词汇为抗病毒药物的OWL本体构建对应的子类OWL本体,其中抗并毒药物的子类OWL本体包括但不仅限于NAs(核苷酸类药物)、干扰素-α和非首选抗病毒药物。本发明中设置的抗病毒药物OWL本体下还设置包括但不仅限于以下推荐的子类OWL本体:联合Peg-IFN-α(B1)、换用/联合TDF(富马酸丙酚替诺福韦片)或TAF(富马酸替诺福韦二吡呋酯片)(C2)、Peg-IFN-α(长效型干扰素)(B1)、换用或联合TDF/TAF(C2)、TDF_A1、TAF_A1。需要说明的是,上述用药的推荐规范中:A、B、C分别为不同的证据等级,其中A表示存在进一步研究不大可能改变对结果的信心(高质量证据);B表示进一步研究有可能对该结果的研究产生重要的影响(中等质量证据);C表示进一步研究很有可能影响该评估结果,且该评估结果很可能改变。其中证据等级后的数字分别表示:1表示充分考虑到证据质量、患者可能的预后、预防、诊断和治疗效果,有较高的成本效益比(强推荐);2表示证据价值参差不齐,推荐意见存在不确定性,或推荐意见可能存在较差的成本收益比,更倾向于低等级的推荐(弱推荐)。
上述OWL本体中根据包括但不仅限于乙肝防治指南中获取的各种概念关系构建OWL本体的Tbox部分(术语部分),而根据患者自身的包括但不仅限于患病数据和用药数据构建OWL本体的Abox部分(断言部分),需要说明的是,Tbox部分和Abox部分为所述OWL本体的描述逻辑,上述OWL本体描述逻辑构建方式自身为现有技术,本发明对此不再详细描述。
值得一提的是,所述OWL本体的构建过程中还包括构建本体相关的属性声明(assertions),其中所述属性声明包括但不仅限于患者类型、当前在用药物、HBV DNA、血清HBeAg、患者依从性、已治疗周数、治疗指标、检测依从性等,通过定义上述属性声明用于关联和主体的关系。其中所述属性包括对象属性(object properties)和数据属性(datatypeproperties),本发明中设置对象属性包括但不仅限于:血清HBeAg、当前在用药物、患者依从性、检测误差。设置的数据属性包括但不仅限于已治疗周数、HBV DNA。
在本发明其中一个较佳实施例中,可以对所述数据对象结合SWRL规则判断当前数据属性是否满足设置的标准,举例来说:通过设置所述数据属性已治疗周数的值域为48,患者输入实际治疗周数为48,通过调用SWRL规则中的治疗周数规则可以判断该患者满足治疗周数48,表示该患者已经治疗了48周(当输入的治疗周数大于48也满足),从而满足对应的SWRL规则,且设置所述数据属性HBV DNA的属性为2x10E3,当检测到HBV DNA的数值为3x10E3 IU/ml时通过调用SWRL规则进行数值判断可以判断该患者检测到的HBV DNA值大于2x10E3 IU/ml,从而满足对应的SWRL规则,其中所述SWRL规则为与预先设定的规则,某一条SWRL规则中需要OWL本体中至所有属性是满足要求的,即表示该本体满足该条SWRL规则,输出该SWRL规则下的推荐用药方案.通过医生在问诊的过程中进行手动或自动的输入属性,用于构建和所述OWL本体相关的属性。
本发明进一步根据所述OWL本体和相关的属性构建SWRL规则,根据所述SWRL规则,建立属性表达式,将所述属性表达式放入到pellet推理机中进行推理,所述pellet推理机为完备的OWL DL推理机,支持完整的OWL DL,如基数限制、逆/传递的性质、用户定义的XMLSchema数据类型、枚举类(Nominal)、实例断言的数据类型推理,得到最终的用药推荐结果。其中本发明设置的如下:
1、CHB患者应用ETV(恩替卡韦)治疗48周,若HBV DNA>2x10E3IU/ml,排除依从性和检测误差后,可以联合Peg-IFN-α治疗(B1)。
2、CHB患者应用ETV治疗48周,若HBV DNA>2x10E3 IU/ml,排除依从性和检测误差后,可以换用或联合TDF/TAF(C2)。
3、如果一个CHB患者的血清HBeAg为阳性,则该患者为HBeAg阳性CHB患者。
4、如果一个CHB患者的血清HBeAg为阴性,则该患者为HBeAg阴性CHB患者。
5、未进行过抗病毒治疗(已治疗周数未0)的HBeAg阳性CHB患者推荐采用ETV、TDF或TAF进行治疗(A1)。
6、HBeAg阴性CHB患者首次治疗推荐采用ETV、TDF或TAF进行治疗(A1)。
7、HBeAg阴性CHB患者首次治疗推荐采用Peg-IFN-α进行治疗(B1)。
8、乙型肝炎肝硬化患者应用ETV治疗24周,若HBV DNA>2x10E3 IU/ml,排除依从性和检测误差后,可以换用或联合TDF/TAF(C2)。
9、未进行过抗病毒治疗(已治疗周数未0)的HBeAg阳性CHB患者推荐采用Peg-IFN-α进行治疗(B1)。
上述9条规则仅为满足乙肝防治指南中的药物推荐规则的部分举例,在满足上述乙肝防治指南下,上述规则可以进一步拓展,且本发明优选本体一致性的推理逻辑执行最后的推理结果。
为了更好地说明本发明的技术效果,本发明以第1规则的推理过程举例说明:输入患者数据,患者数据包括但不仅限于血清HBeAg、当前正在使用的抗病毒药物、已治疗的周数、依从性、HBV DNA、有无检测误差等。
(CHB患者1type CHB患者)匹配了规则条件中的(CHB患者(?p))。
(CHB患者1当前药物ETV)匹配了(当前药物(?p,ETV))。
(CHB患者1依从性好)匹配了(依从性(?p,好))。
(CHB患者1检测误差无)匹配了(检测误差(?p,无))。
(CHB患者1已治疗周数48)匹配了(已治疗周数(?p,?w))并将?w置为48。
(CHB患者1'HBV_DNA(IU/mL)'3000)匹配了('HBV_DNA(IU/mL)'(?p,?dna))并将?dna置为3000。
由于?w=48,?dna=3000,规则条件中剩余的greaterThanOrEqual(?w,48)和(greaterThan(?dna,2000))也得到满足。
最后在此SWRL规则的结论部分,通过属性表达式原语【推荐调整方案】将得到的方案('联合Peg-IFN-α(B1)')赋值给对应的患者,从而完成了推理。
值得一提的是,本发明基于贝叶斯网络的联想模块,需要结合输出的联想词汇作为OWL本体并根据SWRL规则执行联想词汇的推理,本发明中所有贝叶斯网络输出节点的词汇都具有对应的OWL本体,且OWL本体都根据对应的疾病防控指南中获取。因此叶斯网络输出节点和OWL本体以及根据SWRL规则都具有较好的匹配性。在本发明其中一个较佳实施例中,通过贝叶斯网络输出的至少一个联想词汇作为OWL本体,并结合SWRL规则输出推理结果。在本发明另一个较佳实施例中,通过贝叶斯网络输出的至少一个联想词汇作为OWL本体,并结合输入初始症状词汇作为其他OWL本体,根据SWRL规则输出推理结果。
在本发明的一些实施例中,基于贝叶斯网络的联想模块还可以执行二次联想方法,包括:根据初始症状输入到构建的贝叶斯联想模块输出第一联想词汇,将所述第一联想词汇输入到所述贝叶斯联想模块中输出第二联想词汇,进一步将所述二联想词汇结合初始症状作为OWL本体,并根据预先建立的SWRL规则输出基于二次联想词汇的推理结果,或者将所述第二联想词汇结合第一联想词汇作为OWL本体,并根据所述SWRL规则输出推理结果。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线段、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线段的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线段、电线段、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明,本发明的目的已经完整并有效地实现,本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
Claims (10)
1.一种药物推荐方法,其特征在于,所述方法包括如下步骤:
构建病症治疗词汇库,所述词汇库包括药物词汇和患者词汇,根据所述词汇库构建药物词汇和患者词汇的概念关系;
构建贝叶斯网络,配置每个节点和对应连接节点的联想条件概率,输出节点输出联想词汇;
根据所述概念关系和患者自身数据建立不同患者的OWL本体;
根据规范的用药方案建立用药SWRL规则;
根据所述贝叶斯网络输出的联想词汇作为对应的一个或多个OWL本体和对应的用药SWRL规则推理输出推荐用药方案。
2.根据权利要求1所述的一种药物推荐方法,其特征在于,根据患者的初步症状作为所述贝叶斯网络的输入症状,输出基于初步症状包括极大概率关联信息的联想词汇,基于联想词汇作为所述OWL本体,并通过预设的用药SWRL规则输出基于联想词汇的推荐用药方案。
3.根据权利要求1所述的一种药物推荐方法,其特征在于,根据患者的初步症状作为所述贝叶斯网络的输入症状,输出基于初步症状包括极大概率关联信息的联想词汇,将联想词汇和输入的初始症状作为所述患者的OWL本体,并根据对应的用药SWRL规则推理出推荐用药方案。
4.根据权利要求1所述的一种药物推荐方法,其特征在于,所述方法包括利用贝叶斯网络二次联想得到二次联想词汇,其中将初始症状输入到所述贝叶斯网络中得到第一联想词汇,并将所述第一联想症状再次输入到所述贝叶斯网络中得到第二联想词汇,将所述第二联想词汇作为所述OWL本体结合对应的用药SWRL规则推理出推荐用药方案。
5.根据权利要求1所述的一种药物推荐方法,其特征在于,将初始症状输入到所述贝叶斯网络中得到第一联想词汇,并将所述的第一联想词汇再次输入到所述贝叶斯网络中得到第二联想词汇,将所述第二联想词汇和初始症状,或者将第一联想词汇和第二联想词汇作为OWL本体结合对应的用药SWRL规则推理出推荐用药方案。
6.根据权利要求1所述的一种药物推荐方法,其特征在于,其中所述患者的OWL本体构建方法包括:构建所述OWL本体的类、属性和实例,其中类表示不同的患者类型,属性表示包括所属类下患者所检测的患病特征、患病时长、用药特征,所述实例为患者当前的用药规范。
7.根据权利要求1所述的一种药物推荐方法,其特征在于,所述患者的OWL本体的构建方法包括:根据所述病症治疗词汇库构建OWL本体的属性,其中所述属性包括对象属性和数据类型属性,其中所述数据类型属性包括基于病症治疗词汇库构建的药物词汇和患者词汇的RDF文字,或者根据XML Schema内嵌数据类型定义的属性。
8.根据权利要求7所述的一种药物推荐方法,其特征在于,所述属性的特征包括传递属性,根据所述病症治疗词汇库中选取具有包含关系词汇配置传递属性,根据配置的传递属性的词汇若满足SWRL规则的词汇一致性则输出对应SWRL规则下的推荐用药方案。
9.一种乙型肝炎抗病毒药物推荐系统,其特征在于,所述系统执行权利要求1-8中任意一项所述的一种药物推荐方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,所述计算机程序可被处理器执行权利要求1-7中任意一项所述的一种药物推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730624.3A CN115101164A (zh) | 2022-06-24 | 2022-06-24 | 一种药物推荐方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210730624.3A CN115101164A (zh) | 2022-06-24 | 2022-06-24 | 一种药物推荐方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115101164A true CN115101164A (zh) | 2022-09-23 |
Family
ID=83292201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210730624.3A Pending CN115101164A (zh) | 2022-06-24 | 2022-06-24 | 一种药物推荐方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115101164A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884631A (zh) * | 2023-09-06 | 2023-10-13 | 杭州生奥信息技术有限公司 | 基于ai和相似患者分析的综合肝衰竭预测与治疗参考系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933183A (zh) * | 2015-07-03 | 2015-09-23 | 重庆邮电大学 | 一种融合词向量模型和朴素贝叶斯的查询词改写方法 |
CN110032741A (zh) * | 2019-05-06 | 2019-07-19 | 重庆理工大学 | 一种基于语义扩展和最大边缘相关的伪文本生成方法 |
CN110534168A (zh) * | 2019-08-30 | 2019-12-03 | 北京百度网讯科技有限公司 | 药嘱风险提示方法、装置、电子设备及存储介质 |
CN110717788A (zh) * | 2019-10-12 | 2020-01-21 | 北京搜狐新媒体信息技术有限公司 | 一种目标用户的筛选方法及装置 |
CN111611398A (zh) * | 2020-04-02 | 2020-09-01 | 中南大学 | 一种基于知识图谱的临床表现联想方法、装置、设备及介质 |
CN112700838A (zh) * | 2020-12-30 | 2021-04-23 | 平安科技(深圳)有限公司 | 基于大数据的用药方案推荐方法、装置及相关设备 |
CN113707261A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的药品推荐方法、装置及相关设备 |
-
2022
- 2022-06-24 CN CN202210730624.3A patent/CN115101164A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933183A (zh) * | 2015-07-03 | 2015-09-23 | 重庆邮电大学 | 一种融合词向量模型和朴素贝叶斯的查询词改写方法 |
CN110032741A (zh) * | 2019-05-06 | 2019-07-19 | 重庆理工大学 | 一种基于语义扩展和最大边缘相关的伪文本生成方法 |
CN110534168A (zh) * | 2019-08-30 | 2019-12-03 | 北京百度网讯科技有限公司 | 药嘱风险提示方法、装置、电子设备及存储介质 |
CN110717788A (zh) * | 2019-10-12 | 2020-01-21 | 北京搜狐新媒体信息技术有限公司 | 一种目标用户的筛选方法及装置 |
CN111611398A (zh) * | 2020-04-02 | 2020-09-01 | 中南大学 | 一种基于知识图谱的临床表现联想方法、装置、设备及介质 |
CN112700838A (zh) * | 2020-12-30 | 2021-04-23 | 平安科技(深圳)有限公司 | 基于大数据的用药方案推荐方法、装置及相关设备 |
CN113707261A (zh) * | 2021-08-30 | 2021-11-26 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的药品推荐方法、装置及相关设备 |
Non-Patent Citations (2)
Title |
---|
杜慧平 等: "《自然语言叙词表自动构建研究》", 东南大学出版社 * |
王蕾: "面向医疗健康领域的智能问答系统的设计与实现" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884631A (zh) * | 2023-09-06 | 2023-10-13 | 杭州生奥信息技术有限公司 | 基于ai和相似患者分析的综合肝衰竭预测与治疗参考系统 |
CN116884631B (zh) * | 2023-09-06 | 2023-12-12 | 杭州生奥信息技术有限公司 | 基于ai和相似患者分析的综合肝衰竭预测与治疗参考系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220043813A1 (en) | Method and system for ontology driven data collection and processing | |
US10930399B2 (en) | System and method to produce and validate weighted relations between drug and adverse drug reactions | |
US8700589B2 (en) | System for linking medical terms for a medical knowledge base | |
He et al. | Wise-integrator: An automatic integrator of web search interfaces for e-commerce | |
CN111292848B (zh) | 一种基于贝叶斯估计的医疗知识图谱辅助推理方法 | |
WO2021032220A2 (zh) | 一种基于证素的中医辅助诊断系统 | |
WO2023029512A1 (zh) | 基于知识图谱的医疗问题解答方法、装置、设备及介质 | |
US20060136403A1 (en) | System and method for digital content searching based on determined intent | |
JP2011513811A5 (zh) | ||
WO2023029506A1 (zh) | 病情分析方法、装置、电子设备及存储介质 | |
An et al. | Extracting causal relations from the literature with word vector mapping | |
Djeddi et al. | Ontology alignment using artificial neural network for large-scale ontologies | |
Anam et al. | Adapting a knowledge-based schema matching system for ontology mapping | |
CN115101164A (zh) | 一种药物推荐方法和系统 | |
La-Ongsri et al. | Incorporating ontology-based semantics into conceptual modelling | |
Bourgaux et al. | Provenance for the description logic ELHr | |
Khnaisser et al. | Using an ontology to derive a sharable and interoperable relational data model for heterogeneous healthcare data and various applications | |
WO2015181511A1 (en) | Data cleaning methods and systems | |
US20150169833A1 (en) | Method and System for Supporting a Clinical Diagnosis | |
Satti et al. | Semantic bridge for resolving healthcare data interoperability | |
Davidson et al. | Comparative analysis and evaluation of state-of-the-art medication mapping tools to transform a local medication terminology to RxNorm | |
Olson et al. | Source inversion and matching in the UMLS Metathesaurus | |
CN114496170A (zh) | 藏药显示推荐方法、系统、计算机设备和可读存储介质 | |
Oliveira et al. | Automatic semantic enrichment of data services | |
Lizhong et al. | Construction of a Knowledge Graph-based Medical Question Answer System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220923 |
|
RJ01 | Rejection of invention patent application after publication |