一种面向罕见病的药物智能推荐方法、装置及介质

本发明涉及药物推荐、数据挖掘领域，尤其是涉及一种面向罕见病的药物智能推荐方法、装置及介质。

背景技术：

1、在临床实践中，由于医生经验和知识的有限性，以及病人疾病的复杂性，药物误用难以避免，每年带来了巨大的损失。药物推荐系统致力于根据病人的医疗状况，为病人推荐合适的药物组合，辅助医生诊疗。近年来，药物推荐领域得到越来越多的关注。早期的方法将药物推荐建模为序列生成模型，并利用循环神经网络生成药物序列。近年来，随着机器学习与深度学习技术的快速发展，人们提出基于各种神经网络来建模更加准确、全面的病人特征，比如transformer、图神经网络。近年，一些利用外部知识的方法也被提出，一部分工作专注于药物信息建模，例如利用药物分子图结构提高药物推荐的安全性；另一部分工作强调病人信息建模，例如引入疾病编码的分层结构来提高药物推荐的准确性。这些工作提高了药物推荐的准确性和安全性，但是这些方法主要致力于提高整体的准确率，而面临公平性问题：由于疾病和手术编码在数据集中呈长尾分布，因此，罕见病得不到充分训练，导致这些方法对患有罕见病的病人的推荐准确率显著低于患有常见病的病人，这大大降低了药物推荐系统的实用性和可靠性。

2、在推荐系统中，研究者们提出了一系列方法来解决公平性问题，例如在数据预处理时利用重采样平衡各样本的出现次数，或者在模型学习时分离敏感特征和用户表示，以及重排序等。然而，这些方法无法直接被用到药物推荐领域。首先，病人的数据无法修改，这极大限制了数据重采样的灵活性；其次，罕见病病人受到的不公平推荐与一般的公平性推荐考虑的敏感属性无关；最后，药物推荐致力于推荐一个合适的药物组合而非一个排序列表，使得重排序方法难以发挥作用。

3、如何提高罕见病病人药物推荐的准确率，是本领域亟待解决的重要问题之一。

技术实现思路

1、在本实施例中提供了一种面向罕见病的药物智能推荐方法、装置及介质，以解决相关技术中罕见病病人药物推荐的准确率低的问题。

2、第一个方面，在本发明中提供了一种面向罕见病的药物智能推荐方法，所述方法包括：

3、构建基于机器学习的第一药物推荐模型，所述第一药物推荐模型包括编码器，所述编码器用于对输入序列进行处理得到患者表示；

4、通过序列匹配预测任务和自重构任务对所述第一药物推荐模型的编码器进行训练，训练后得到第二药物推荐模型；

5、对所述第二药物推荐模型进行药物预测训练，训练后得到第三药物推荐模型，通过所述第三药物推荐模型进行药物推荐。

6、如上所述的面向罕见病的药物智能推荐方法，其中，可选的是，每个所述输入序列包括相关联的疾病序列和手术序列，所述序列匹配预测任务包括识别不同的所述疾病序列和所述手术序列之间的关联性。

7、如上所述的面向罕见病的药物智能推荐方法，其中，可选的是，所述通过序列匹配预测任务和自重构任务对所述第一药物推荐模型的编码器进行训练，包括：

8、为每个所述输入序列生成对立序列，所述对立序列包括非关联的疾病序列和手术序列；

9、通过所述第一药物推荐模型分别对所述输入序列和所述对立序列的关联性进行预测，并采用关于关联性预测概率的第一二元交叉熵损失训练所述第一药物推荐模型的编码器。

10、如上所述的面向罕见病的药物智能推荐方法，其中，可选的是，所述通过序列匹配预测任务和自重构任务对所述第一药物推荐模型的编码器进行训练，包括：

11、对所述患者表示中的所述输入序列进行重构，采用重构损失训练所述第一药物推荐模型的编码器。

12、如上所述的面向罕见病的药物智能推荐方法，其中，可选的是，所述编码器包括标记嵌入层，所述编码器的标记嵌入层包括标记嵌入、段落嵌入和相关性嵌入；

13、所述段落嵌入用于区分不同的输入序列，所述相关性嵌入用于表示不同的输入序列的优先级。

14、如上所述的面向罕见病的药物智能推荐方法，其中，可选的是，所述对所述第二药物推荐模型进行药物预测训练包括：

15、通过所述第二药物推荐模型进行药物预测，并采用关于药物预测概率的目标损失训练所述第二药物推荐模型；其中，所述目标损失包括第二二元交叉熵损失、多标签边缘损失和药物相互作用损失。

16、如上所述的面向罕见病的药物智能推荐方法，其中，可选的是，所述目标损失根据所述第二二元交叉熵损失、所述多标签边缘损失和所述药物相互作用损失的加权求和结果确定。

17、第二个方面，在本发明中提供了一种面向罕见病的药物智能推荐装置，所述装置包括：

18、模型构建模块，用于构建基于机器学习的第一药物推荐模型，所述第一药物推荐模型包括编码器，所述编码器用于对输入序列进行处理得到患者表示；

19、第一训练模块，用于通过序列匹配预测任务和自重构任务对所述第一药物推荐模型的编码器进行训练，训练后得到第二药物推荐模型；

20、第二训练模块，用于对所述第二药物推荐模型进行药物预测训练，训练后得到第三药物推荐模型，通过所述第三药物推荐模型进行药物推荐。

21、第三个方面，在本发明中提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行第一个方面所述的面向罕见病的药物智能推荐方法。

22、第四个方面，在本发明中提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一个方面所述的面向罕见病的药物智能推荐方法。

23、与相关技术相比，在本发明中提供的一种面向罕见病的药物智能推荐方法，通过编码器对输入序列进行处理得到患者表示并对疾病序列和手术序列进行嵌入处理，得到更准确的患者表示，采用两个自监督预训练任务对编码器进行训练，提高其对罕见病的表示学习效果，从而实现了提高罕见病病人的药物推荐准确率，解决了相关技术中罕见病病人药物推荐的准确率低的问题，从而提高了药物推荐的公平性。

24、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。

技术特征：

1.一种面向罕见病的药物智能推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的面向罕见病的药物智能推荐方法，其特征在于，每个所述输入序列包括相关联的疾病序列和手术序列，所述序列匹配预测任务包括识别不同的所述疾病序列和所述手术序列之间的关联性。

3.根据权利要求2所述的面向罕见病的药物智能推荐方法，其特征在于，所述通过序列匹配预测任务和自重构任务对所述第一药物推荐模型的编码器进行训练，包括：

4.根据权利要求1所述的面向罕见病的药物智能推荐方法，其特征在于，所述通过序列匹配预测任务和自重构任务对所述第一药物推荐模型的编码器进行训练，包括：

5.根据权利要求1所述的面向罕见病的药物智能推荐方法，其特征在于，所述编码器包括标记嵌入层，所述编码器的标记嵌入层包括标记嵌入、段落嵌入和相关性嵌入；

6.根据权利要求1所述的面向罕见病的药物智能推荐方法，其特征在于，所述对所述第二药物推荐模型进行药物预测训练包括：

7.根据权利要求6所述的面向罕见病的药物智能推荐方法，其特征在于，所述目标损失根据所述第二二元交叉熵损失、所述多标签边缘损失和所述药物相互作用损失的加权求和结果确定。

8.一种面向罕见病的药物智能推荐装置，其特征在于，所述装置包括：

9.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的面向罕见病的药物智能推荐方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的面向罕见病的药物智能推荐方法的步骤。

技术总结
本申请涉及一种面向罕见病的药物智能推荐方法、装置及介质，其中，该方法包括：构建基于机器学习的第一药物推荐模型，所述第一药物推荐模型包括编码器，所述编码器用于对输入序列进行处理得到患者表示；通过序列匹配预测任务和自重构任务对所述第一药物推荐模型的编码器进行训练，训练后得到第二药物推荐模型；对所述第二药物推荐模型进行药物预测训练，训练后得到第三药物推荐模型，通过所述第三药物推荐模型进行药物推荐。通过本申请，采用两个自监督预训练任务对编码器进行训练，提高其对罕见病的表示学习效果，解决了药物推荐的准确率和药物推荐系统的不公平性的问题，进而缓解药物推荐系统的不公平问题。

技术研发人员：何向南,赵子豪,冯福利
受保护的技术使用者：中国科学技术大学
技术研发日：
技术公布日：2024/1/15