[发明专利]一种个性化药物不良反应预测系统、设备及介质

权利要求书

1.一种个性化药物不良反应预测系统，其特征在于，所述预测系统包括：

临床数据获取模块：获取受试者临床数据；

预测模型构建模块：基于KEMULA预测模型对受试者进行预测，得到受试者的个性化药物不良反应结果；

其中，所述受试者的临床数据至少包括受试者服用小分子药物、生物技术药物和受试者医疗状况的信息；

所述KEMULA预测模型包括一种个性化ADR排序函数，其具体为计算患者发生相关ADR风险的若干评分函数的线性组合；

所述评分函数至少包括小分子药物函数、生物技术药物函数和所患疾病特征函数；

所述函数为核函数；

所述KEMULA模型从在不同验证集及其组合上获得的一组内核功能中进行选择；每个患者均由n_F维特征向量表示，该向量由小分子药物特征，生化药物特征和所患疾病特征组成；

KEMULA预测模型构建过程中，定义用于组合一组满足凸优化性质的的核函数池；

所述KEMULA预测模型是：

其中是优化参数的集合；D_tri是所有成对风险的集合，

其中P是指患者集合，R是指ADR集合；

其中σ是一个Sigmoid函数；

对上述函数进行拉普拉斯正则化处理；

所述拉普拉斯正则化处理具体方法为：

采用拉格朗日优化模型θ＝[M，W]：

其中是一个正则化函数项，它控制模型的复杂度并引发涉及向量{m_d}和{w_d}的任务相关性；

通过使用二次惩罚函数将等式(10)中的约束条件合并到正则项中，对其进行软应用；因此，正则化函数变为

其中，μ_reg和μ_orth是权重向量上的惩罚参数，用于控制泛化误差与M和W的方差之间的权衡；隶属度受参数γ的限制，项是弗罗贝尼乌斯范数，用来控制M的复杂性；和通过BPR损失函数惩罚ω^s|_{s∈{m，b，i}}拟合的方差；通过定义矩阵和权重矩阵集合W，等式12等价地写为

其中，Λ_M是具有γm_uu·项的对角矩阵；是一个对角矩阵，其具有用于拉普拉斯学习任务的μ_reg，Λ_W是包含的对角矩阵；是含有μ_orth空心矩阵用于拉普拉斯学习任务，是包含的空心矩阵。

2.一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，其特征在于，所述计算机指令被处理器运行时，完成权利要求1所述个性化药物不良反应预测方法所述步骤。

3.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1所述个性化药物不良反应预测方法所述步骤。