申请/专利权人：电子科技大学

申请日：2024-01-15

公开（公告）日：2024-06-18

公开（公告）号：CN118213089A

主分类号：G16H70/40

分类号：G16H70/40;G16H50/50;G16B15/30;G06F18/22

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明公开了一种基于时序关联性分析的药物不良反应预测方法，属于生物医学领域。本发明基于患者患病后症状、药物和不良反应的时间序列信息，分析不同时刻下症状、药物和不良反应的时序关联关系，揭示当前时刻的不良反应与前序时刻症状、药物和不良反应的关联程度，并结合症状和药物多属性特征与不良反应间的潜在关系，构建基于时序关联性分析的药物不良反应预测模型，揭示药物不良反应的时序关系。本发明可促进用药安全性研究，也为构建药物不良反应时序预警体系提供数据支持。

主权项：1.一种基于时序关联性分析的药物不良反应预测方法，该方法包括：步骤1：针对特定疾病收集患者的症状、药物和不良反应关系时序数据、收集药物的多属性数据，药物的多属性数据包括：分子结构、靶点、通路、副作用、表型；将患者症状时间序列记为＜s0,s1,s2,...,si,...,sn＞，si表示ti时刻患者的症状，药物时间序列记为＜m0,m1,m2,...,mi,...,mn＞，mi表示ti时刻患者为缓解症状si服用的药物，不良反应时间序列记为＜r0,r1,r2,...,ri,...,rn＞，ri表示ti时刻患者服用缓解症状si的药物mi后引发的不良反应，i∈{0,1,2,...,n}，n表示时刻数；收集N个药物，将药物mi的第v个属性特征表示为Lv表示第v个属性的特征维度，v＝1,2,...,V；V表示属性数目；步骤2：不同时刻下症状、药物和不良反应的时序关联关系计算；采用如下公式计算ti时刻症状si发生的概率psi|si-1,si-2,...,s0： 其中，psi|si-1,si-2,...,s0表示在t0～ti-1时刻症状时间序列＜s0,s1,...,si-1＞发生的前提下，ti时刻症状si发生的概率，psi,si-1,si-2,...,s0表示t0～ti的症状时间序列＜s0,s1,...,si＞发生的概率；采用如下公式计算ti时刻的不良反应ri发生的概率pri|si,mi： 其中，pmi|si表示ti时刻症状si的前提下服用药物mi发生的概率，hsi,mi表示ti时刻下症状si和药物mi与不良反应ri间的映射关系，prj|sj,mj表示tj时刻症状sj和药物mj前提下不良反应rj发生的概率，pmj,sj表示tj时刻症状sj和服用药物mj的联合概率；权重wij表示ti时刻的药物不良反应ri受tj时刻的症状sj和药物mj引发不良反应rj的影响程度，视为时刻ti与时刻tj间时序关联性；步骤3：建立症状和药物多属性特征与不良反应的关系；步骤3.1：通过计算特征间的相似性，构建药物mi第v个属性特征相似性矩阵步骤3.2：针对症状si，根据症状影响的身体部位，获取与症状相关的潜在靶点信息，根据靶点特征间的相似性，构建症状si的靶点特征相似性矩阵步骤3.3：建立与症状si靶点特征相似性矩阵的相互作用关系 其中，表示矩阵第a行的转置，表示矩阵第b行；将视为药物mi第v个属性特征与症状si靶点特征之间相互作用关系；步骤3.4：建立药物mi所有属性和症状si的相互作用关系： 步骤3.5：构建症状和药物多属性特征与不良反应映射的目标函数： 其中，f表示药物和症状的相互作用与不良反应的映射函数，Ωf表示函数f中隐含变量的正则函数；函数f集成了所有时刻的药物mi和症状si的相互作用与不良反应ri间的映射关系；利用随机梯度下降法，对函数f进行优化，实现模型参数更新；步骤4：构建基于时序关联性分析的药物不良反应预测模型； 步骤5：给定患者的症状、药物和不良反应的时序数据，预测患者下一时刻药物不良反应。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于时序关联性分析的药物不良反应预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD