国内已上市辅助用药数据人工智能挖掘分析方法研究

摘要

目的:利用自然语言处理技术挖掘超说明书用药方法.方法:本研究使用自身建立的药品说明书数据库训练深度学习模型(双向长短期记忆网络结合条件随机场模型,Bi-directional Long Short-Term Memory Network-CRF,BiLSTM-CRF)识别疾病实体,结合国家人口与健康科学数据共享服务平台提供的数据寻找超说明书用药,利用Meta分析验证相应的辅助用药合理性.结果:利用深度学习模型实现了84.19％的F值,得到47种疑似超说明书用药,人工筛选得10种超说明书用药,Meta分析验证了参麦注射液用于急性心肌梗死的合理性.结论:本研究有效提取了药品说明书中的疾病实体,证明了自然语言处理在医药领域的非结构化数据转化为结构化数据过程中起着重大作用,对发现超说明书用药、促进合理用药具有重要意义.