公开(公告)号：CN116504351A

公开(公告)日：2023-07-28

申请号：CN202310471299.8

申请日：2023-04-27

Applicant: 西南交通大学

Inventor： 滕飞 ,  林工钞 ,  胡晓鹏 ,  顾瑾 ,  徐珽 ,  金朝晖 ,  姚远 ,  武云 ,  刘曦 ,  王億科

IPC: G16H20/10 ,  G16H10/60 ,  G16H50/70 ,  G16H70/40 ,  G06F16/36 ,  G06F18/243 ,  G06N5/04 ,  G06N20/20

Abstract: 本发明公开了一种共病模式下的潜在不适当用药检测方法，包括以下步骤：对原始病历数据进行处理，获得训练后的机器学习模型；根据药物标准中潜在不适当用药的相关因素构建知识图谱，建立基于原始特征的知识图谱路径推理模型；将机器学习模型的预测结果和知识图谱路径推理模型的推理结果进行结合，获得潜在不适当用药检测结果。本发明弥补了机器学习对于低频潜在不适当用药预测能力弱的问题，增加了预测结果的准确性和可靠性，同时减少了对样本数据的依赖，因此具有较高的临床应用价值。

公开(公告)号：CN119361183A

公开(公告)日：2025-01-24

申请号：CN202411395328.8

申请日：2024-10-08

Applicant: 西南交通大学

Inventor： 滕飞 ,  陈洁 ,  彭博 ,  张路桥 ,  吴振宇 ,  罗皓楠 ,  林工钞 ,  李同磊

IPC: G16H70/40 ,  G16H50/70 ,  G06F18/10 ,  G06F18/21 ,  G06F18/241 ,  G06N3/045

Abstract: 本发明提供了一种基于特征交互的药物不良事件识别方法，属于医学信息处理技术领域，该方法包括：获取原始数据，并对原始数据进行处理得到标准数据集；根据标准数据集中特征的类型，采用不同的方式进行编码，获得特征的值嵌入向量；设置语义嵌入向量，利用特征的语义嵌入向量计算特征之间的拓扑结构，以及利用特征的值嵌入向量计算特征之间的关联强度，并保留重要特征，构建特征交互关系图；使用Transformer模型从特征交互关系图中学习特征交互关系，并进行药物不良事件预测。本发明构建特征交互关系图进行交互学习，充分挖掘医疗特征之间的依赖关系，减少冗余关联信息，增加了预测结果的准确性，在临床实践中具有广泛的应用前景。