技術(shù)特征：

1.一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于：步驟2中以藥物評論網(wǎng)站中數(shù)據(jù)集中的藥物的評論為采集對象，采集到的信息包括評論文本以及評論者的性別、年齡、患病情況、用藥時長。

3.根據(jù)權(quán)利要求1所述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于，步驟5的①中，計算公式如下：

4.根據(jù)權(quán)利要求1所述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于，步驟5的①中，患者特征信息也作為藥物相似度計算依據(jù)之一，處理性別、年齡、患病情況、用藥時長數(shù)據(jù)的缺失值和異常值，將性別作為數(shù)值型變量使用，對用藥時長、年齡進(jìn)行分區(qū)方式轉(zhuǎn)換為分類變量，患病情況或病種根據(jù)疾病類型進(jìn)行分類，對以上特征類型使用獨熱編碼，并對患病情況使用word2vec進(jìn)行特征構(gòu)造，將所有特征，包括獨熱編碼的特征和word2vec生成的特征，拼接起來，形成一個患者的特征向量，多個患者的特征形成一個特征矩陣，特征矩陣經(jīng)過降維技術(shù)轉(zhuǎn)換為一個一維向量，代表一種藥物的患者特征；根據(jù)余弦相似度計算藥物基于患者特征的相似度，得到藥物基于患者特征的相似度矩陣。

5.根據(jù)權(quán)利要求4所述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于，

6.根據(jù)權(quán)利要求1所述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于，步驟5的②中，計算公式如下：

7.根據(jù)權(quán)利要求1所述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于，步驟6中異構(gòu)圖g表示為：

8.根據(jù)權(quán)利要求1所述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于，步驟7中編碼器層數(shù)為2，為了充分利用藥物和不良反應(yīng)節(jié)點的嵌入，自適應(yīng)地動態(tài)調(diào)整不同gcn層的重要性權(quán)重，在節(jié)點特征表示過程中加入注意力機(jī)制。

9.根據(jù)權(quán)利要求1所述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，其特征在于，步驟8中評價指標(biāo)計算公式如下所示：

技術(shù)總結(jié)
本發(fā)明涉及生物信息學(xué)技術(shù)領(lǐng)域，公開了一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，包括以下步驟：藥物不良反應(yīng)詞典的構(gòu)建；基于評論文本的藥物不良反應(yīng)信息的提取；藥物不良反應(yīng)信息的整合；公共數(shù)據(jù)庫藥物特征信息的整合；相似度計算；異構(gòu)圖的構(gòu)建；圖卷積網(wǎng)絡(luò)模型的搭建；模型訓(xùn)練與評估；藥物的不良反應(yīng)案例預(yù)測；藥物不良反應(yīng)發(fā)生機(jī)制分析。本發(fā)明采用上述的一種基于評論文本信息增強(qiáng)的藥物不良反應(yīng)預(yù)測方法，綜合利用藥物評論、臨床試驗數(shù)據(jù)、實際用藥經(jīng)驗和反饋等多樣化的數(shù)據(jù)，添加患者特征豐富藥物及不良反應(yīng)之間的關(guān)系，提供了更加全面的藥物安全性評估，另外GCN模型相較于其他模型，訓(xùn)練與預(yù)測更為快速，可以減輕計算難度。

技術(shù)研發(fā)人員：邰楊芳,姬航琦,趙燕凌,吳娟
受保護(hù)的技術(shù)使用者：山西醫(yī)科大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23