申请/专利权人:中国科学技术大学
申请日:2023-11-09
公开(公告)日:2024-03-29
公开(公告)号:CN117219294B
主分类号:G16H70/40
分类号:G16H70/40;G16H50/70;G06N20/00
优先权:
专利状态码:有效-授权
法律状态:2024.03.29#授权;2023.12.29#实质审查的生效;2023.12.12#公开
摘要: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。
主权项: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: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;每个所述输入序列包括相关联的疾病序列和手术序列;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;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;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;其中,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: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;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;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。
全文数据:
权利要求:
百度查询: 中国科学技术大学 一种面向罕见病的药物智能推荐方法、装置及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。