[发明专利]一种可解释的基于文献知识图谱的药物不良反应发现方法

说明书

本发明公开了一种可解释的基于文献知识图谱的药物不良反应发现方法，包括：S1、从医学文献数据中抽取四种实体：疾病、生物标志物、药物和不良反应；S2、使用所述四种实体，利用朴素贝叶斯模型，构建文献知识图谱：所述文献知识图谱包括顶点和边，所述顶点包含四种实体类型的顶点，所述边代表两个顶点之间的关系，边上的权重表示两个顶点之间的相关性，通过重要性指标描述；S3、基于文献知识图谱中的药物不良反应对比药物说明书，发现潜在的不良反应；S4、基于文献知识图谱对所述潜在的不良反应提供合理的生物标志物路径解释。本发明通过计算医学的技术手段探索药物潜在的不良反应，为不良反应的机制研究提供动力。

技术领域

本发明涉及药物信息学和生物信息学技术领域，尤其涉及一种可解释的基于文献知识图谱的药物不良反应发现方法。

背景技术

药物不良反应是导致患者严重发病率和死亡率的原因，也是医疗系统经济负担的来源。目前，药源性疾病已经成为第5位易导致死亡的疾病，全球约有1/3的死亡病例是由治疗药物使用不当所致。特别是对于肿瘤患者，他们使用抗肿瘤药物时会有相对较高的药物不良反应发生率，并且更容易经历罕见和严重的不良反应，会严重影响他们的生活质量。但由于样本量和临床试验的可推广性有限，在上市前对于罕见和严重不良反应的识别受到限制，所以探索潜在的不良反应对于降低发病率至关重要。近年来，随着计算医学的飞速发展与应用，越来越多的研究者认为可以运用计算医学来提高临床医疗辅助决策服务，但通常采用的基于神经网络的推理不具有可解释性。

发明内容

(一)要解决的技术问题

基于上述问题，本发明提供一种可解释的基于文献知识图谱的药物不良反应发现方法，致力于通过计算医学的技术手段探索药物潜在的不良反应，解决药物潜在的不良反应不易识别的问题。

(二)技术方案

基于上述的技术问题，本发明提供一种可解释的基于文献知识图谱的药物不良反应发现方法，包括以下步骤：

S1、从医学文献数据中抽取四种实体：疾病、生物标志物、药物和不良反应；

S2、使用所述四种实体，利用朴素贝叶斯模型，构建文献知识图谱：所述文献知识图谱包括顶点和边，所述顶点包含四种实体类型的顶点，即疾病、生物标志物、药物和不良反应类型的顶点，所述边代表两个顶点之间的关系，每条边连接两种不同类型的顶点，边上的权重表示两个顶点之间的相关性，所述边上的权重通过重要性指标描述；

S3、基于文献知识图谱中的药物不良反应对比药物说明书，发现潜在的不良反应；

S4、基于文献知识图谱对所述潜在的不良反应提供合理的生物标志物路径解释：使用深度优先搜索算法用于查找药物与不良反应之间的每条路径，提取与药物前1％相关的生物标志物和该药物对应的潜在的不良反应之间的路径，从而为潜在的不良反应提供合理的生物标志物路径解释。

进一步的，步骤S1还包括，将抽取的实体进行以下处理：将带有否定含义的实体以及出现频率不超过50次的实体去除，其余实体被视为与每个摘要相关的实体。

进一步的，步骤S1中，根据分类描述确定疾病类型实体和药物类型实体，根据UMLS中的WHO源字典进行构建不良反应类型实体，根据生物标记物的定义构建生物标记物类型实体。

进一步的，步骤S2中，通过计算疾病i与生物标志物j之间的重要性指标来说明每两个顶点间的关系，疾病i与生物标志物j之间的重要性指标为：

IMPT_NB＝log(p(x_i＝1|y_j＝1))-log(p(x_i＝1|y_j＝0))