[发明专利]一种精神药物治疗效果预测方法，系统和装置

说明书

本发明提供一种精神药物治疗效果预测方法，系统和设备，通过机器学习和大数据技术对数据进行分析挖掘，并结合不同专家的个体经验，开发精神分裂症治疗效果的预测模型，该模型通过筛选后的特征数据集训练预测模型得到精神分裂症患者治疗后PSP评分改善的预测结果，并在此基础上构建精神分裂症治疗效果预测的知识图谱，提供了精神分裂症的治疗决策的支持。

技术领域

本发明涉及机器学习和大数据在精神分裂治疗领域的应用，具体涉及一种 精神药物治疗效果预测方法，系统和装置。

背景技术

精神分裂症由于发病机理不明，缺乏精准治疗的依据，实际临床治疗时的 药物选择和预后判断除了遵守国内和国际的临床指南外，主要取决于临床医生 的个人经验。而在实际诊疗过程中，临床指南的指导原则过于粗放，而临床医 生的经验各有侧重，这就导致相同病人在不同医院和不同医生就诊时得到的治 疗方案差别很大。

在此背景下，精神分裂症如何精准的预测不同治疗手段的症状改善情况， 从而指导治疗手段的选择，成为了精神分裂症医生迫切关注的痛点。

发明内容

本发明的目的是提供一种精神药物治疗效果预测方法，系统和装置，提供 一个基于Web平台的精神分裂症患者治疗后PSP评分改善的预测工具。

为了达到上述目的，本发明一方面提供一种精神药物治疗效果预测方法， 包括以下步骤：

获取患者病例数据；

基于患者病例数据进行筛选，获取最终PSP评分改善相关的特征；

根据筛选过的特征训练预测模型，所述预测模型根据筛选过的特征评估患 者的PSP改善情况；

构建PSP改善情况的文献知识库，所述文献知识库用以向患者提供各项特 征的相应解释，并对预测模型的预测结果给出辅助决策信息和支持信息。

进一步的，在患者病例数据的筛选过程中，还包括以下步骤；

以单因素显著性作为筛选标准，去除与最终PSP评分的差异较大的特征；

采用LASSO模型对所述特征进行进一步筛选，获取与最终PSP评分差异性 较小的特征。

进一步的，在患者的病例数据的筛选过程后，所述筛选后的特征包括：PSP 基线评分，心境稳定剂的使用情况PANSS评分，工作情况，保肝药物使用，性 别，心血管并发症情况，PANSS-G11得分，PANSS-P4得分PANSS-G15得分， PANSSG4得分。

进一步的，在预测模型的构建过程中，还包括：

以患者最终PSP评分为因变量，以筛选后的特征为自变量，建立随机森林 模型，以拟合患者最终的PSP评分结果。

进一步的，所述随机森林模型的训练过程如下，

有放回的从特征数据集合中选取数个样本，形成样本集；

利用样本集训练一棵决策树，在训练决策树过程中，每次特征分裂时从特 征矢量中随机选取数个特征元素，然后从中选择一个最优的特征作为分裂特征；

重复上述步骤，训练多棵决策树，形成随机森林；

每一棵决策树对输入的预测样本数据，均给出一个预测结果，通过投票规 则得到预测模型的最终输出结果。

进一步的，在构建PSP改善情况的文献知识库的步骤中，还包括：

获取PSP评分预测的相关文献，所述文献包括与预测特征相关的临床解释， 不同国家的精神分裂症患者；

对所述文献进行信息抽取、结构化和重组，以生成PSP评分预测的知识图 谱。