[发明专利]一种药物临床试验结果预测方法、装置、设备及介质

说明书

本发明属于人工智能技术、智能医疗技术领域，尤其涉及一种药物临床试验结果预测方法、装置、设备及介质，方法包括：获取临床试验方案；提取目标药物的信息和目标疾病的信息；获取第一特征项的信息，以及作用关系的信息；转换药物特征向量；获取第二特征项的信息，以及作用关系的信息；转换疾病特征向量；转换为临床试验方案特征向量；拼接向量，并将向量输入到经过训练的深度学习模型中，以获得所述临床试验方案成功概率的预测值。本发明首次将图谱的特征与临床试验特征相融合，构成一个集成特征，最后通过深度学习概率预测，预测药物临床试验成功的概率。

技术领域

本发明属于人工智能技术、智能医疗技术领域，尤其涉及一种药物临床试验结果预测方法、装置、电子设备及计算机可读存储介质。

背景技术

药物研发需要花费巨大的人力物力和财力，研发流程包括药物靶点发现，苗头化合物筛选，先导化合物优化，临床试验前药物研究，临床试验，药物审批。其中药物临床试验，又分为I,II,III期临床试验。据相关研究表明，耗费资金占比最大的是II期和III期临床试验，通常为几亿美元的开销，持续时间可长达3-5年，同时面临着较高失败率的风险，通常一款药物在II，III期的失败风险极大，造成药物研发失败，同时也影响着研发成本以及药物审批的进度。

临床试验失败的主要原因有以下三方面：

1.药物在靶点发现初期，没有找到最优的靶点，导致最终药物临床的治疗效果较差。

2.找到了较好的靶点，但是由于在临床实验中入组人群的病况复杂，导致药物副作用增大，无法达到临床的主要终点和目标，从而临床试验失败。

3.临床试验设计不合理，入组人群或者试验目标设定过高以及不匹配，导致临床试验失败。

在进行临床试验前对药物的临床试验结果成功率进行预测，可以极大的辅助临床试验设计以及药物研发决策，现阶段较为通用的是采用机器学习方式，手动制定一些特征并进行概率预测，例如：特征1-与化合物相似的已经上市的药物是否能治疗相关疾病，特征2-候选化合物是否有一些相关的论文研究等。

现有方法的缺陷在于：

1.手动添加的特征一方面存在很大的经验性，特征繁琐，不易扩展。

2.没有考虑到临床试验的一些特征设计。

3.对于药物而言，有许多已有的知识没有融入进去，例如，与现有药物的相互作用，可能会影响药物的效果预测。

发明内容

本发明的目的在于提供一种药物临床试验结果预测方法、装置、电子设备及计算机可读存储介质，以解决现有技术操作繁琐、特征设计不全面、预测效果不准确的问题。

为实现上述目的及其他相关目的，本发明提供一种药物临床试验结果预测方法，包括：

获取临床试验方案；

从所述临床试验方案中提取目标药物的信息和目标疾病的信息；

根据所述目标药物的信息，从预设的药物图谱中获取与所述目标药物关联的第一特征项的信息，以及所述第一特征项与所述目标药物之间的作用关系的信息；

将所述目标药物的信息、所述第一特征项的信息以及两者之间的作用关系的信息转换成药物特征向量；

根据所述目标疾病的信息，从所述预设的药物图谱中获取与所述目标疾病关联的第二特征项的信息，以及所述第二特征项与所述目标疾病之间的作用关系的信息；

将所述目标疾病的信息、所述第二特征项的信息以及两者之间的作用关系的信息转换为疾病特征向量；

将所述临床试验方案转换为临床试验方案特征向量；