融合患者体征与用药数据的图神经网络药物推荐方法研究

作     者：成全 佘德昕 Cheng Quan;She Dexin

作者机构：福州大学经济与管理学院福州350108 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2022年第6卷第9期

页      面：113-124页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家社会科学基金项目(项目编号:19BTQ072)的研究成果之一。 

主　　题：智慧医疗 图神经网络 深度学习 药物精准推荐 

摘      要：【目的】通过融合病患体征信息与用药数据,利用图神经网络技术进行药物精准推荐,以增强疾病诊疗过程中药物推荐的科学性与合理性。【方法】建立基于图神经网络(GNN)的“异常体征与“药品传递关系模型,设计了具有体征感知功能的药物精准推荐方案。构建“异常体征-病患-药品异构图,采用关系图卷积神经网络(R-GCN)编码器学习具有体征感知的节点表示,通过设计基于体征感知交互的解码器,融合异常体征信息,实现对药物的精准推荐。【结果】以MIMIC-Ⅲ数据集中的三类疾病诊疗数据为对象开展实证研究。本文设计的药物推荐方案较SVD、NeuMF、NGCF模型在Recall@20指标上分别提高5.76、5.33、0.91个百分点;在NDCG@20指标上分别提高了5.03、4.25、2.67个百分点。【局限】该药物推荐方案未考虑病患药物使用随疾病发展时间的动态变化情况。【结论】融合病患体征信息与用药数据的图神经网络药物推荐方法具有有效性和可行性,能够感知病患体征对用药的影响,为融合多维度信息开展药物精准推荐研究提供了基础。