[发明专利]一种应用于药物推荐的深度学习方法、系统、设备及介质

权利要求书

1.一种应用于药物推荐的深度学习方法，其特征在于：具体包括以下步骤：

步骤一、药物表示的建立：通过图卷积神经网络建立药物表示，设置阈值对药物与药物反应(DDI，drug-drug interactions)进行控制；

步骤二、病人表示的建立：结合病人的历史状态与当前状态，利用病人的诊断信息、诊疗手段与药物信息建立病人的综合表示，基于双重注意力机制对病人的历史状态表示与病人当前状态表示进行拼接作为最终的病人状态表示，从而获得更为全面的病人表示；

步骤三、药物预测任务：根据步骤二在对病人表示进行学习之后，直接输入单层网络进行药物预测，或将该病人与其他病人之间的相似度进行比较，利用病人之间的相似度得到优化的病人表示，对预测结果进行改进。

2.根据权利要求1所述的一种应用于药物推荐的深度学习方法，其特征在于：所述步骤一的具体方法为：

1)使用图卷积神经网络对药物表示进行处理，对于药物嵌入向量和药物对应的药物邻接矩阵/图卷积神经网络将会按照下式对药物进行处理以得到新的药物嵌入向量：

其中，是A的度矩阵，即O_ii＝∑_jA_ij；

2)根据步骤一第1)步中图卷积神经网络方法，将初始化药物表示E_d通过临床共现矩阵与药物相互作用矩阵/分别进行二重GCN处理，表示为：

其中，与/都是可被学习的参数，A_e[ij]＝1表示药物i与药物j曾在同一药方中出现，A_d[ij]＝1表示药物i与药物j存在不良反应；将得到的结果进行作差，利用二者差的结果作为不同种药物经过GCN处理后的表示，即：E_m＝G_e-G_d，其中/中每一行元素代表了对应药物利用临床共现矩阵与药物相互作用矩阵进行处理后的嵌入向量；对/进行建模表示为：

其中，

对于一组药物药物的DDI值表示为：

在模型训练过程中，通过设置阈值α限制每个患者各次来访的平均DDI值即可实现可控药物反应的药物预测。