[发明专利]一种面向大数据的潜在药物不良反应数据挖掘方法

摘要

一种面向大数据的潜在药物不良反应数据挖掘方法，该方法包括以下步骤A、抓取 药物不良事件报告；B、对药物不良事件数据集的药物不良事件报告进行数据预处理；C、药名标准化；D、过滤已知不良反应；E、关联度计算；F、关联度排序。本发明适用于潜在药物不良反应的挖掘工作，不限于药物的种类；能够有效的发现上市药物的安全隐患，对提升用药者的健康水平具有重要的意义。

主权项

一种面向大数据的潜在药物不良反应数据挖掘方法，其特征在于，该方法包括以下步骤：A、抓取药物不良事件报告：在本地构建药物不良事件数据集，利用爬虫技术从已知的药物不良事件报告数据库中抓取包含有药名文本数据的药物不良事件报告，并以字符串形式存储于所述药物不良事件数据集中,对于格式上无法存储在传统的关系数据库中的药物不良事件报告，利用格式解析工具将药物不良事件报告转化为字符串形式按行以文本文件的方式存储于药物不良事件数据集中；所述药名文本数据为出现在药物不良事件报告的药名域中的文本数据； B、对药物不良事件数据集的药物不良事件报告进行数据预处理；所述数据预处理过程包括以下步骤：B1、药名文本数据规范化：利用正则表达式对所述药物不良事件报告中的药名文本数据进行规范化；B2、生成候选药名片段：对于规范化后的药名文本数据中所包含有‘+’、‘‑’、‘/’符号的药名文本，通过 ‘+’、‘‑’、‘/’符号对药名文本进行切分，以形成候选药名片段；B3、基于频率的候选药名片段去噪：在步骤B2所形成的候选药名片段中所存在的无对应药名的文本数据，预设最小频率阈值，并将出现次数小于该阈值的药名片段从候选药名片段中过滤掉,得到药物名称列表；C、药名标准化：利用生物医学命名实体识别技术，对药物名称列表中的药物名称进行药名标准化；药名标准化的具体方法为：通过利用MetaMap系统对药物名称列表进行生物医学实体识别，并将识别到的生物医学实体映射到UMLS的超级叙词表中形成不良反应药物列表 (d1,d2,…, dm)和不良反应列表(a1,a2,…,an)；D、过滤已知不良反应：对于步骤C得到的不良反应药物列表 (d1,d2,…, dm)和不良反应列表(a1,a2,…,an)，在每份药物不良事件报告中，将不良反应药物列表中的药物di的已知不良反应aj从不良反应列表中去除，得到过滤后的不良反应列表(a1,a2,…,aj‑1,aj+1,…,am)；E、关联度计算：包括以下步骤：E1、在已知的药物不良事件报告数据库中，统计不良事件药物列表中药物di出现的次数、不良反应aj出现的次数以及该药物di和不良反应aj的共现次数；E2、计算药物di出现的情况下不良反应aj出现的条件概率p(aj|di)，和不良反应aj出现的情况下药物di出现的条件概率p(di|aj)；，其中，fre(di)为药物di出现的次数，fre(aj)为不良反应aj出现的次数，fre(ai,dj)为药物di和不良反应aj的共现次数；E3、关联度计算：利用双条件概率乘积法，计算药物di和不良反应aj的关联度：sim(di,aj)=p(aj|di)*p(di|aj)；F、关联度排序：对于药物di，根据步骤E3的药物和不良反应之间的关联度sim(di,aj)值，对所有的不良反应按照降序排列，取排列次序在前的不良反应作为药物di的潜在药物不良反应。