[发明专利]一种基于深度学习的药物-药物相互作用预测系统及方法

说明书

本发明涉及一种基于深度学习的药物‑药物相互作用预测系统和方法，系统包括药学信息、药物‑药物相互作用数据库、药物表示转换模块、药物信息提取模块和相互作用预测模块，药学信息用于获得原始药物‑药物相互作用信息；药物‑药物相互作用数据库用于得到药物‑药物相互作用网络；药物表示转换模块用于得到同样维度的药物向量表示序列；药物信息提取模块用于得到包含邻域信息的药物向量表示；相互作用预测模块用于对任意的两个包含邻域信息的药物向量表示进行相互作用预测结果输出。本发明提供的基于深度学习的药物‑药物相互作用预测系统及方法，实现了药学评价指标来评估输出结果，提升了药物‑药物相互作用预测过程中的准确性。

技术领域

本发明涉及计算机和药学领域，特别是涉及一种基于深度学习的药物-药物相互作用预测系统及方法。

背景技术

如今，随着人工智能的快速发展，智能医疗领域也得到了迅速的发展。其中，基于药物-药物相互作用展开的智能识别与预测技术在医疗领域取得了广泛应用。

许多药物总是包含了潜在的副作用，并且药物与药物之间也可能引起不良反应，药物-药物相互作用指一种药物的效应受到另一种药物、食物或者环境的影响而发生改变的现象。在临床上，通常指一种药物的药代动力学或药效动力学被另一种药物改变。目前药物处方中总是包含了多种药物，药物-药物相互作用往往难以避免。非预期的药物之间的不良反应引起了许多的医疗事故。不良药物反应造成的损失估计每年每人1000美元以上。并且每年与药物相关而急诊的比例估计就有4.3％。特别是老年人，超过三分之一的老年人同时使用5种或更多的处方药。超过三分之二的老年人同时使用处方药和非处方药或膳食补充剂。这些都导致了体弱的老年人更容易成为有害的药物-药物相互作用的受害者。因此探索药物之间的相互作用显得十分关键。

在临床实验中探索药物于药物之间的相互作用是十分耗时耗力的。为了评估药物的效果，往往需要大量的临床试验来确认药物的效果，且很多时候药物-药物相互作用的检测中有局限性，不能很好的覆盖到庞大的药物药学信息库。因此许多研究者开始使用计算机来辅助进行药物-药物相互作用的探索，通过对药物之间是否存在相互作用进行预测后，再选取较大可能性存在相互作用的两个药物进行临床实验来验证结果。这样就可以减少临床试验的消耗。近年来，随着深度学习的发展，一些神经网络结构已经有效地复制了这项工作，甚至在某些医学领域超过了实际的药剂科医生。因此，借助基于深度学习的药物-药物相互作用预测方法，是很有必要的。

发明内容

本发明的目的在于，提供一种基于深度学习的药物-药物相互作用预测系统及方法，实现了药学评价指标来评估输出结果，提升了药物-药物相互作用预测过程中的准确性。

为达到上述目的，本发明采用如下技术方案：

一种基于深度学习的药物-药物相互作用预测系统，包括药学信息、药物-药物相互作用数据库、药物表示转换模块、药物信息提取模块和相互作用预测模块，其中：

药学信息：用于对临床试验收集后获得的药物药学信息；

药物-药物相互作用数据库：用于对药学信息进行识别处理，得到药物-药物相互作用网络；

药物表示转换模块：用于将药物-药物相互作用网络进行使用图嵌入方法得到同样维度的药物向量表示序列；

药物信息提取模块：用于将表示药物的向量序列进行图注意力编解码变换后计算得到药物-药物相互作用网络中包含邻域信息的药物向量表示；

相互作用预测模块：用于对任意的两个包含邻域信息的药物向量表示进行相互作用预测结果输出。

进一步的，所述药物药学信息通过临床试验进行获取。

进一步的，所述相互作用预测模块信号连接有显示屏和打印机。

本发明还提供一种基于深度学习的药物-药物相互作用预测方法，包括如下步骤：