[发明专利]一种药物联用关键因素数据挖掘方法和系统

说明书

本发明涉及了一种药物联用关键因素数据挖掘方法和系统，包括：S1根据药物使用数据建立包括多个个体的初始种群，其中每个个体代表一组关键因素数据与不良反应率的函数；S2计算每个个体的适应度，根据适应度由高到低的排列顺序选择预定数量的个体，对个体组成的子种群进行遗传操作获得新种群；S3计算新种群中每个个体的适应度，并判断新种群是否符合要求，若符合则输出新种群中适应度最高的个体对应的关键因素数据与不良反应率的函数；否则回到步骤S2重新获得新种群；S4根据输出的函数设定药物联用的关键因素数据。其更急准确的确定药物联用的功效和不良反应，评估给药过程，减轻了由于药物间相互反应产生的毒副作用。

技术领域

本发明是关于一种药物联用关键因素数据挖掘方法和系统，属于药物应用技术领域。

背景技术

药物联用是指为了达到治疗目的而采用的两种或两种以上药物同时或先后应用，其结果主要是为了增加药物的疗效或为了减轻药物的毒副作用。药物联用应以提高疗效和/或降低不良反应为基本原则。联合用药时，药物的相互作用，包括影响药动学的相互作用和影响药效学的相互作用。但由于药物种类很多，且药物间相互作用也和很多因素有关系，所以在药物联用过程中的给药顺序、给药间隔、联合用药的给药剂量和给药频次变化等关键因素的选择就可以在一定程度上决定药物联用的结果。若上述关键因素选择合理就可以将药物联用的优势发挥到最大；反之，则可能会降低治疗效果甚至产生不可预见的危害，发生严重的不良反应。尤其是目前中西药联用的情况越来越普遍，因中药成分复杂，具有多成分多靶点的特点，对某一具体的药物而言，其所包含的诸多药性因素，在单味药和不同方剂配伍应用中，对症候的治疗作用在药效方面的体现不尽相同。除此之外，中西医学基础理论存在较大差别，许多中成药的有效成分、药代动力学、药物相互作用、药理研究和毒理研究等尚不完全，导致临床上不能对联合用药的药理药性及配伍禁忌进行全面系统的掌握。故如何在复杂的用药过程中合理选择药物联用的关键因素的参数成为一个不可忽视的问题。

目前，对该问题的研究主要采用在描述统计的基础上，整合来源可靠的真实数据，形成相关的大数据库资源，进行数据的挖掘分析。但已有的相关数据挖掘方法检验效能相对偏低，存在着不同的局限性，如何开发一种灵敏度及特异度高的数据挖掘算法，快速有效的探索联合用药隐藏的内在规律，挖掘有价值的药物联用信息，保证用药安全并为相关治疗策略的验证、归纳、拓展提供借鉴，是本领域亟需解决的技术问题。

发明内容

针对上述技术问题，本发明的目的是提供一种药物联用关键因素数据挖掘方法和系统，其将基因表达式编程算法用于确定药物联用的功效和不良反应，灵敏度和特异性高，结果准确，使药物联用的给药方式更加合理，降低了药物联用产生不良反应的可能性。

为实现上述目的，本发明提供了一种药物联用关键因素数据挖掘方法，包括以下步骤：S1根据药物使用数据建立包括多个个体的初始种群，其中每个个体代表一组关键因素数据与不良反应率的函数；S2计算每个个体的适应度，根据适应度由高到低的排列顺序选择预定数量的个体，对个体组成的子种群进行遗传操作获得新种群；S3计算新种群中每个个体的适应度，并判断新种群是否符合要求，若符合则输出新种群中适应度最高的个体对应的关键因素数据与不良反应率的函数；否则回到步骤S2重新获得新种群；S4根据输出的函数设定药物联用的关键因素数据。

进一步，关键因素包括：药物类型(中药/西药)、给药顺序、给药间隔、给药剂量、给药频次和时间间隔。

进一步，每个个体包括由生化指标与时间组成的二维向量，二维向量映射到复数空间，其中生化指标为实部，时间为虚部，在复数空间内根据二维相量对关键因素数据进行函数运算以计算个体的适应度。

进一步，S2中遗传操作包括选择、复制、变异、倒串、变换、重组、随机常量变异和随机常量变换。

进一步，变换包括IS变换、RIS变换和基因变换；重组包括单点重组、两点重组和基因重组。