大数据技术在儿科临床合理用药中的应用初探

摘要

合理用药是指安全、有效、经济地使用药物。儿童作为一个特殊的群体，身体各方面的器官和生理功能尚未发育成熟，药物代谢能力较为脆弱，容易出现不良反应等用药风险，为此需要特别重视儿童合理用药问题。然而，目前儿科临床的不合理用药问题仍比较突出，一方面在于儿童用药中适宜的品种、剂型和规格较为缺乏，另一方面在于临床用药实践中存在超说明书用药等不规范现象，给儿童合理用药带来潜在风险。
　　随着医院信息化的深入，一些医院已开始使用合理用药决策支持软件对儿科用药进行审查，以减少用药错误。这些软件以临床用药资料为基础所构建的药物信息平台，通过制定用药审核规则对用药行为进行规范审核和风险提示。然而，由于儿童临床用药资料缺失导致用药信息的准确性、可靠性、全面性难以得到保障，且这些系统的审核规则智能化程度不高，判断规则缺乏灵活性，因此在临床使用中出现的无效警示比例较高，使医生对警示信息的依从性下降，降低合理用药软件的作用。
　　目的:本研究拟通过案例分析已有合理用药软件在儿科医院的应用情况，总结儿科医院使用此类软件存在的问题。在此基础上，探索大数据技术在儿童合理用药中的应用，进而提出基于处方大数据的儿童合理用药风险评价方法，为保障儿童合理用药提供决策支持。
　　方法:本文提出一个基于处方大数据的儿童合理用药评价平台，通过大数据分析技术自动建立用药知识库，通过人工智能技术自动学习医生的用药模式，着重研究儿童用药剂量风险评价和决策支持、儿童药品联用风险评价和决策支持两个典型应用。为医生开方提供合理用药依据，也为药师审方提供决策支持。
　　儿童用药剂量风险评价和决策支持部分，以两家三甲医院儿科处方大数据为依据，利用Apache Spark分布式计算框架提取不同药品的用药剂量历史记录，以及其对应的患儿生理信息、适应症类型、合并用药种类等相关特征因素。使用神经网络和集成学习等人工智能技术，基于机器学习库MLlib建立不同药品的用药剂量关于上述特征因素的混合预测模型，在此基础上对新的处方用药剂量进行风险评价，从而为医生开方和药师审方提供决策依据。
　　儿童药品联用风险评价和决策支持部分，以两家三甲医院儿科处方大数据为依据，利用Apache Spark分布式计算框架提取不同药品的用药频率、联用历史等用药信息。使用知识图谱等人工智能技术，基于图模型计算库GraphX建立不同药品之间联用的概率图模型，在此基础上利用子图搜索算法，对新的处方中的药品联用进行风险评价，从而为医生开方和药师审方提供决策依据。
　　结果:通过对两家三甲医院儿科处方大数据进行清洗、整理后，分别得到254824条和4508331条用药记录。在儿童用药剂量风险评价和决策支持方面，所提出的模型在两个数据集上的剂量预测误差约为12.5％和21.3％，能够较为准确地对不同年龄体重、适应症、合并用药情况下的患儿用药剂量进行预测。在此基础上进行的问题处方用药剂量风险评价结果达到96.3％的召回率，能够较灵敏地发现不合理用药剂量。在儿童药品联用风险评价和决策支持方面，所提出模型在两个数据集上分别构建了包含376个节点和460个节点的药品联用知识图谱。基于子图搜索算法对药品联用风险进行评价，其准确率均高于99.8％，能够较准确地判断不同药品联用模式是否存在风险。
　　结论:电子处方大数据覆盖了患者在医院诊断治疗过程的详细记录，蕴含了医生和药师在临床用药实践中的宝贵经验，对理解、预测和评价儿科医院的临床用药模式和用药风险具有重要意义。通过大数据技术和人工智能算法，能够有效提取与合理用药相关的影响因素，自动建立用药知识库，主动学习医生的用药剂量模式和药品之间的联用模式，从而构建智能、灵活、个体化的合理用药评价平台，进而在儿童用药剂量建模与风险评价、儿童药品联用建模与风险评价等方面为医生和药师提供决策支持。

目录

声明

致谢

摘要

引言

1 研究背景

2 本文工作

3 论文结构

第一章 合理用药软件在儿科医院的应用分析

1 资料与方法

2 结果

3 讨论

4 小结

第二章 基于处方大数据的儿童合理用药评价平台的构建

1 技术框架

2 研究方案

3 小结

第三章 儿童用药剂量风险评价和决策支持

1 实验数据与环境

2 实验方法

3 结果与讨论

4 小结

第四章 儿童药品联用风险评价和决策支持

1 实验数据与环境

2 实验方法

3 结果与讨论

4 小结

结论与展望

参考文献

综述

作者简介及在硕士期间取得的科研成果