一种复方补脾结肠缓释片处方研究方法与流程

本发明涉及医药，更具体地说，它涉及一种复方补脾结肠缓释片处方研究方法。

背景技术：

1、中药处方包含药物组成药材以及每种药材的克重量，不同的中药处方中的药材存在部分相同的情况，且具有相同的治疗效果，相同的中药处方，在实际应用至不同病人时，也需要根据病人实际身体状况来对处方进行加减运用，如应用至脾虚气弱者、身热、头痛等患者，则需要对处方中的某一种或多种药材的克重进行增加或减少，也有可能去除其中某一种或多种的药材，或增加处方外的药材等加减运用方式，因此，中药品具有较好的灵活应用空间。

2、而现有的处方调节仅能够根据中医药知识数据库中记载的加减运用方式来进行调节，若无相应的数据记载，则需要根据人为判断和经验来进行调整，存在较大的局限性和不准确性。

技术实现思路

1、本发明的目的就在于为了解决上述问题而提供一种复方补脾结肠缓释片处方研究方法。

2、本发明提供了一种复方补脾结肠缓释片处方研究方法，包括以下步骤：

3、步骤100、获取多个原始处方、多个原始处方的有效成份以及有效成份的化学特性数据，基于原始处方制备原始药品，基于原始处方有效成份的化学特性数据制备适配流动相，基于原始药品制备多个样品，采用适配流动相对多个原始药品的样品进行hplc分析，获得原始药品的样品的hplc谱图数据；

4、步骤200、获取多个历史治疗数据；

5、历史治疗数据包括历史患者症状数据、历史患者的体质数据、历史优化处方、历史优化处方的有效成份以及有效成份的化学特性数据；

6、步骤300、基于历史优化处方制备历史优化药品，基于历史优化处方有效成份的化学特性数据制备适配流动相，基于历史优化药品制备多个样品，采用适配流动相对所有样品进行hplc分析，获得历史优化药品的样品的hplc谱图数据；

7、步骤400、基于原始处方、原始药品的样品的hplc谱图数据、多个历史治疗数据、与多个历史治疗数据相对应的历史优化药品的样品的hplc谱图数据构建训练数据集；

8、步骤500、构建处方优化模型，通过训练数据集对处方优化模型进行训练；

9、步骤600、获取待治疗患者的症状数据、待治疗患者的体质数据和相应原始处方并输入处方优化模型，输出适用优化处方。

10、作为本发明的进一步优化方案，处方优化模型的训练过程包括：

11、基于历史优化药品的样品的hplc谱图数据、历史患者的症状数据、历史患者的体质数据，获取对患者疾病具有治疗效果的有效成份的绝对含量和对患者疾病无治疗效果和具有副作用的有效成份的绝对含量，总有效成份包含具有治疗效果的有效成份、无治疗效果的有效成份以及具有副作用的有效成份；

12、计算历史优化药品中具有治疗效果的有效成份的绝对含量在总有效成份中占比系数，计算公式为：

13、；

14、其中，表示具有治疗效果的有效成份的绝对含量在总有效成份中占比系数，n表示具有治疗效果的有效成份的数量，m表示所有有效成份的数量，表示第i个具有治疗效果的有效成份的绝对含量，表示第j个有效成份的绝对含量；

15、和均通过hplc谱图数据进行计算，即和均表示相应成分在hplc谱图上的对应色谱峰的峰面积，色谱峰的峰面积计算公式为

16、；

17、其中，f表示相应有效成份对应的色谱峰面积，表示相应有效成份对应的色谱峰峰高，表示相应有效成份对应的色谱峰峰宽；

18、从历史优化药品中选择占比系数最大的历史优化药品所对应的历史优化处方作为比较处方，然后将比较处方进行编码获得比较处方的编码数据；

19、将历史患者的症状数据、历史患者的体质数据、原始处方进行编码后输入处方优化模型，输出适用优化处方的编码数据，将输出的使用优化处方的编码数据与比较处方的编码数据进行比较来计算损失值；

20、基于损失值更新训练处方优化模型。

21、作为本发明的进一步优化方案，对历史患者的症状数据进行编码，具体为：

22、历史患者的症状数据包括多个症状，将每个症状进行独热编码后拼接。

23、作为本发明的进一步优化方案，对历史患者的体质数据进行编码，具体为：

24、历史患者的体质数据包括多个体质参数，将每个体质参数进行独热编码后拼接。

25、作为本发明的进一步优化方案，对原始处方和历史优化处方进行编码，具体为：

26、原始处方和历史优化处方均包括多个药材以及每个药材的克重，将每个药材以及相应药材的克重进行独热编码，将相应药材以及该药材的克重编码进行拼接后，再依次与其他药材以及其他药材的克重编码的拼接编码进行拼接。

27、作为本发明的进一步优化方案，所述处方优化模型包括节点图生成层、第一隐藏层和输出层；

28、节点图生成层，其基于患者的症状数据、患者的体质数据、原始处方的编码生成节点和边，一个节点对应患者的一个症状数据编码或患者的一个体质数据编码或原始处方的一个药材数据编码，边表示两个节点之间的关联信息，药材节点之间具有协同作用则添加无向边，药材节点与有效成份节点之间存在含有关系则添加无向边，有效成份节点与症状节点之间存在靶点关系则添加无向边，症状节点和体质节点之间均存在无向边；

29、第一隐藏层，其用于融合节点和边的信息来获得全局特征；

30、输出层，其用于对全局特征进行线性变换来获取适用优化处方的编码数据。

31、作为本发明的进一步优化方案，第一隐藏层的计算公式为：

32、；

33、其中，表示第i个顶点的顶点更新特征，表示第i个顶点的聚合系数，表示与第i个顶点存在边的顶点的集合，表示激活函数，表示第二权重参数，表示第j个顶点的顶点特征；

34、第i个顶点的聚合系数的计算公式如下：

35、；

36、其中，，，和分别表示第i个和j个顶点的顶点特征，表示第一权重参数，表示权重向量参数，t表示转置，表示自然指数函数，leakyrelu表示leakyrelu激活函数，表示与第i个顶点存在边的顶点的集合。

37、作为本发明的进一步优化方案，输出层的计算公式为：

38、；

39、其中，表示适用优化处方的编码数据的向量表示，表示第三权重参数，d表示偏置参数。

40、一种复方补脾结肠缓释片处方研究系统，用于实施如上述的一种复方补脾结肠缓释片处方研究方法，包括：

41、数据获取模块，获取多个原始处方、多个原始处方的有效成份、原始药品的样品的hplc谱图数据，获取多个历史治疗数据、历史优化药品的样品的hplc谱图数据；

42、历史治疗数据包括历史患者症状数据、历史患者的体质数据、历史优化处方、历史优化处方的有效成份；

43、数据处理模块，基于原始处方、原始药品的样品的hplc谱图数据、多个历史治疗数据、与多个历史治疗数据相对应的历史优化药品的样品的hplc谱图数据构建训练数据集；

44、处方优化模块，构建处方优化模型，通过训练数据集对处方优化模型进行训练；

45、获取待治疗患者的症状数据、待治疗患者的体质数据和相应原始处方并输入处方优化模型，输出适用优化处方。

46、一种存储介质，其存储了非暂时性计算机可读指令，当非暂时性计算机可读指令由计算机执行时，能够执行如上述的一种复方补脾结肠缓释片处方研究方法中的步骤。

47、本发明的有益效果在于：经过对历史治疗数据以及多种原始处方的优化方案的数据综合，可有效的学习到不同药材之间的实际搭配和变化的效用数据，从而在应用至新的综合性患者的治疗过程时，可以基于大量数据的综合研究，可以对原始处方进行最适用于当前症状患者的处方调整处理，提高处方适用性，也有效降低了人为调整的局限性和误差性。