[发明专利]一种基于时间因素的药物疾病相关性分析方法

说明书

本发明公开了一种基于时间因素的药物疾病相关性分析方法，属于复杂网络在疾病分析的应用技术领域。本发明的基于时间因素的药物疾病相关性分析方法，首先以患者个数为权重衡量药物与疾病的相关性，再通过对患者用药时间与诊断时间的分析得出药物与疾病间的正负相关性。该发明的基于时间因素的药物疾病相关性分析方法能够弥补疾病与药物相关性研究中的不足，并且为药物上市后研究的实验性研究提供方向，具有很好的推广应用价值。

技术领域

本发明涉及复杂网络在疾病分析的应用技术领域，具体提供一种基于时间因素的药物疾病相关性分析方法。

背景技术

目前，对于药物和疾病的研究主要通过两种方式。第一种方式是临床实验的方式，该方式需要研究人员反复实验。这不仅需要耗费大量人力物力，同时也非常耗时。一般一种药物从研究到使用需要耗费10到15年时间[1]。另一种方式是基于真实世界数据，利用各种数据挖掘技术进行药物与疾病相关性的研究。随着计算机硬件的快速发展，复杂网络、机器学习、神经网络等理论研究越发完备，越来越受到医学界的欢迎。其中，复杂网络研究是利用真实世界数据进行药物与疾病关系研究的重要方法之一。以下是复杂网络在国内外药物疾病研究领域的主要应用。

第一，复杂网络在中药研究中的应用。该应用是指通过对中药数据进行网络建模，其次对其特性进行分析，然后利用社区发现算法发现社区，并对逐个社区进行研究。利用该方法发现了乙肝证候人群网络具有小世界特征。

第二，复杂网络在疾病研究中的应用。在现实生活中，普遍常见的糖尿病、癌症、心血管疾病等是受环境和遗传影响的疾病。利用复杂网络模拟与该类疾病相关的蛋白质的互联网络，通过网络分析出疾病的异常靶点。

第三，复杂网络在疾病与药物相关性研究领域的应用。当前复杂网络在研究疾病与药物的相关性方面，主要基于疾病、基因、药物建立网络。然后通过对复杂网络的分析探寻某一类药物副作用的分布特征，挖掘疾病、基因等与药物副作用的相关关系。

关于复杂网络在疾病与药物相关性研究中加入基因因素，固然可以在某种程度上达到挖掘疾病与药物副作用的相关性。然而，该方法忽略了真实世界病人个体因素，尤其是疾病发病时间和用药时间因素。由于药物是被患者使用，常常对整个人起作用而非某类疾病，因此在研究中需加入病人个体因素。又因为，个体的一生将会在不同时间段得不同的疾病，或在同一时间段得多类疾病，同时也会存在同一时间个体吃多类药物或不同时间吃不同类药物的情况。因此，在将个体因素加入网络的同时，时间因素也是不容忽视的重要特征。

发明内容

本发明的技术任务是针对上述存在的问题，提供一种能够弥补疾病与药物相关性研究中的不足，并且为药物上市后研究的实验性研究提供方向的基于时间因素的药物疾病相关性分析方法。

为实现上述目的，本发明提供了如下技术方案：

一种基于时间因素的药物疾病相关性分析方法，该方法首先以患者个数为权重衡量药物与疾病的相关性，再通过对患者用药时间与诊断时间的分析得出药物与疾病间的正负相关性。

作为优选，该基于时间因素的药物疾病相关性分析方法具体包括以下步骤：

S1、药物与疾病相关性发掘

S11、建立复杂网络：以药物、疾病、患者为节点建立网络；

S12、异构网络社区发现；

S13、相关性分析，包括社区紧密度的分析及社区内药物疾病节点相关性分析；

S2、药物与疾病正负相关性分析

S21、整理挖掘出相关性较高的疾病与诊断对；

S22、分析剩下的药物疾病对的正负相关性。