[发明专利]基于时间注意力机制和图卷积网络的药物组合推荐方法

权利要求书

1.一种基于时间注意力机制和图卷积网络的药物组合推荐方法，其特征在于包括以下步骤：

S1：诊断，治疗程序与用药组成了每位患者的医疗事件x_i，其中每位患者的诊断代码和治疗程序代码，经过独热编码后成为统一维度的诊断向量与治疗向量利用线性嵌入方式，转化为诊断嵌入向量和治疗嵌入向量其中，w_d和w_p分别表示学习的嵌入矩阵，计算方式为：

S2：利用循环神经网络RNN_α分别学习诊断嵌入向量与治疗嵌入向量得到诊断注意力参数α_d与治疗注意力参数α_p；同样的，利用另外一个循环神经网络RNN_β学习诊断嵌入向量与治疗嵌入向量得到诊断注意力参数β_d与治疗注意力参数β_p；其中，两个循环神经网络使用了不同的激活函数，即f_α＝tanh()和f_β＝tanhshrink()；o_α和o_β分别为两个循环神经网络的输出向量，w_α,b_α,w_β,b_β分别表示神经网络要学习的参数。用来表示诊断嵌入向量或治疗嵌入向量那么计算过程如下：

S3：利用前两步计算的诊断嵌入向量诊断注意力参数α_d与β_d，以及治疗嵌入向量治疗注意力参数α_p与β_p，将诊断表示向量为治疗表示向量为那么患者就诊向量就可以表示为

S4:由S3得到的每位患者就诊向量表示P_i及其对应的用药独热编码组成一对键值对，为了把相似的患者就放在一起，所有患者保存为键值对的字典结构数据，得到患者的就诊历史向量H，n表示患者数量，计算过程如下：

S5：输入电子健康档案中患者处方用药构成的网络G_ehr＝(V,δ_ehr)和已知的药物不良反应构成的网络G_ddi＝(V,δ_ddi)；其中，V是图节点，表示各种药物；δ_ehr是电子健康档案中药物图网络中连接节点的边，δ_ddi是已知药物不良反应中药物图网络的边，δ_ehr与δ_ddi表示了药物之间的关系连接；得到电子健康档案中药物图网络的度矩阵D_ehr，初始邻接矩阵A_ehr，单位矩阵I_ehr和已知药物不良反应中药物图网络的度矩阵D_ddi，初始邻接矩阵A_ddi，单位矩阵I_ddi；然后，对上述矩阵做如下处理，得到归一化后电子健康档案中药物图网络的矩阵N_ehr与已知药物不良反应中药物图网络的矩阵N_ddi，计算公式如下：

S6：电子健康档案中药物的独热编码组成向量阵M_ehr，已知药物不良反应中药物的独热编码组成向量矩阵M_ddi，初始化隐藏的权值参数矩阵W_ehr和W_ddi，以及权重变量λ，对网络中的药物知识进行融合，计算出融合后的药物知识向量K，公式如下：

K＝N_ehrM_ehrW_ehr+λ(N_ddiM_ddiW_ddi) (4)

S7：K是由S6得到的融合药物知识，P_i表示每位患者就诊向量。在患者历史表示向量H中，表示第i位患者的键向量，表示第i位患者的值向量，激活函数计算后获得输出向量和计算过程如下：

S8：通过Sigmoid函数σ来预测药物，计算过程如下：

S9：利用损失函数来降低预测错误的损失，其中，i和j分别表示第i和j位患者，t表示第t次就诊，T表示总共就诊次数；为电子健康档案记录的医生为患者开的治疗药物，为方法预测推荐的药物；π[0]和π[1]表示调节权重，且π[0]+π[1]＝1；s′表示药物组合中发在药物不良反应的可能性，s表示期望得到的药物不良反应的可能性参数，η表示惩罚系数参数；

损失函数的计算过程如下：

S10：利用衡量指标Jaccard、PRAUC、F1来衡量预测的准确性，值越高表明预测的药物组合就越准确；DDI Rate来衡量预测的药物组合安全性，值越低表明预测的药物组合发生不良反应的情况越低，药物组合的安全性就更加可靠，T表示总共就诊次数，N表示总共患者数量；为医生为第i位患者在第t次就诊开的治疗药物，是方法预测推荐的药物，(c_a,c_b)表示预测药物a与b是在已知药物不良反应集合δ_ddi中的组合，以公式(9)计算Jaccard，公式(10)计算的Recall和Precision为横纵坐标的点连接成的曲线与坐标轴围成的面积即为PRAUC，公式(12)计算F1，公式(12)计算DDI Rate。