基于患者相似度分析的药物推荐深度学习模型研究

作者：吴佳伦; 张若楠; 康武林; 袁普卫

来源：数据分析与知识发现, 2022, 1-19.

• 药物推荐
• 电子健康记录
• 患者表示学习
• 深度学习

[目的]研究一种通过解析结构化时序医疗健康数据、分析患者相似度以准确预测药物组合的深度学习模型。 [方法]通过两种注意力机制解析结构化时序数据以学习全面的患者表示，通过计算患者相似度来丰富患者表示，最终将药物推荐问题转化为多标签学习问题。 [结果]在MIMIC-III数据集上进行实验，相较其他主流模型，该方法的DDI值、Jaccard相似度、PRAUC、F1值分别最少提升了1.09%、2.38%、1.40%和1.08%。 [局限]模型尚未融入生物医学等具有领域特色的先验知识；未深究数据本身存在的噪声及其在临床应用可能出现的问题。 [结论]实验结果表明，该方法能够准确学习全面的患者表示，并提升药物推荐任务的安全性和准确性，其中模型在Jaccard相似性分数和F1分数分别提高了2.38%和1.40%，同时预测药物组合的DDI分数降低了1.09%。

• 单位
  西安交通大学; 陕西中医药大学; 陕西中医药大学附属医院