[发明专利]一种基于深度学习的药品推荐算法

说明书

技术领域

本发明属于计算机软件的技术领域。

技术背景

随着信息技术的不断发展，越来越多的研究人员开始尝试将最先进的科技运用到医疗健康领域，医药知识的普及和网上购物的兴起，使现在生病之后自己在网上买药的人也越来越多，国外网有上药店，国内也有荣药在线、金象大药房等网上药店，受到越来越多的关注。网上买药不受时间、空间、地域的限制，对时间忙或不便于长时间运动的人群来说尤为方便；此外，在网上可以获得大量的药品信息、价格信息以及用户评论等信息，还可以买到当地没有的药品；而且由于网上药店省去租店面、雇员及储存保管等一系列费用，总的来说其价格较一般药店的同类药品更便宜。

网上买药在带来极大便利的同时，由于药品种类繁多，目前已获得FDA批准上市的药物超过1710种，已收入UMLS医疗数据库的疾病超过25000种，而药品与疾病直接的关系构成数以百万计的对应关系。网上自主购药存在最大的问题是购药时无法获得有效的专家指导意见，因此，在网上买药都具有一定的盲目性，容易出现用错药物、重复用药、忽视药物间相互作用等错误，不能在第一时间买到最适合自己病情的药品等问题。目前的网上药品推荐算法主要是基于药品销售排序、价格以及评价排序等，但是这些算法无法有效地解决药品与疾病之间的关系。

发明内容

针对上述问题，本发明的目的是提供一种基于深度学习的药品推荐算法，利用深度学习模型提取药品疗效与疾病对应关联特征模型，并结合用户评价、药品价格、用药注意事项等信息，构建个性化的深度学习药品推荐模型，指导用户高效地进行网上购药。

本发明在深度学习框架下构建了药品疗效与疾病对应关系模型，基于该模型提出一种个性化的药品推荐算法，较好解决了用户缺乏专家指导意见购药的问题。

本发明的技术方案包括：药品相关信息采集分析；深度学习特征训练；个性化推荐等三个过程。

药品相关信息采集分析包括：从CFDA上采集批准的药品名称及其治疗疾病，药品副作用，用药注意事项等信息；网上药品商城中采集药品销售数据，用户评价，价格等信息。

深度学习特征训练：包括基于深度学习训练网络的构建和特征参数训练过程以及药品分类信息输出。

个性化推荐：包括基于长期个人健康特征的药品推荐及其实现过程。

附图说明

图1为基于深度学习的药品特性训练实施框架图；

图2为个性化药品推荐过程。

具体实施方法

本发明的数据采集及其特征训练实施框架如图1所示，首先采集CFDA、FDA等药品信息权威数据信息以及网上商城的药品销售信息，构建自编码深度学习网络，利用采集的数据来训练获得网络权重。在个性化推荐过程如图2所示，将个人相关信息及其病情输入训练完成的网络中，获得系统的个性化药品推荐。

药品信息采集及药品特性训练具体实施过程：

1.从CFDA网站中批准药品从获取药品名称，治疗疾病名称，药品用量，副作用以及药品化学结构特征等；

2.从包括UMLS数据库在内的数据源收集疾病信息；

3.从包括CDT(Comparative Toxicogenomics Database)在内的数据源收集药物-疾病的治疗关系信息；

4.从OFFSIDES在内的数据源收集药物-疾病副作用关系信息；

5.从网上药品商城收集药品销售信息；

6.对采集的各类数据进行标准化处理；

7.构建药品的稀疏自编码特征矩阵X＝Yx1，x2，...，xnY，对于任意的X经过训练后的输出为h(x⁽ⁱ⁾；W,b)＝σ(Wx⁽ⁱ⁾+b)，其中W为自编码网络的权重，b为偏值权重，σ为激活函数。

利用采集数据训练网络参数，使之满足个性化药品推荐过程：

1.收集用户个性化信息，包括年龄、性别、身高、体重、药物过敏等疾病史；

2.用户需求的药品信息，可以为病症信息或者药品名称；

3.将用户的个性化需求构建特征矩阵，并通过自编码网络进行药品预测，输出的包括药品及其药品用量、用药注意事项等信息。