RECOMED：一个综合性的药物推荐系统
信息检索
2023-08-22 v2 人工智能
摘要
基于从 Drugs.com 和 Druglib.com 提取的患者与药物特征，设计了一个综合性的药物推荐系统。首先，合并这些数据库的数据，构建了患者与药物信息的数据集。其次，对患者和药物进行聚类，然后利用患者提供的不同评分，且重要地利用从患者和药物说明中获得的知识，并考虑药物相互作用来进行推荐。据我们所知，我们是首个在所选方法中考虑患者状况与病史以挑选适合该特定用户的特定药物的研究组。我们的方法应用人工智能（AI）模型来实现。预处理中采用基于自然语言处理的情感分析，以及基于神经网络的方法和推荐系统算法来建模系统。在我们的工作中，利用患者状况和药物特征基于矩阵分解建立两个模型。然后我们利用药物相互作用来过滤与其他药物具有严重或轻度相互作用的药物。我们开发了一个深度学习模型，使用来自 2304 名患者的数据作为训练集来推荐药物，然后使用来自 660 名患者的数据作为验证集。此后，我们利用关于药物的关键信息知识，并将模型输出与从服药约束中获得的规则结合进一个基于知识的系统。
引用
@article{arxiv.2301.00280,
title = {RECOMED: A Comprehensive Pharmaceutical Recommendation System},
author = {Mariam Zomorodi and Ismail Ghodsollahee and Jennifer H. Martin and Nicholas J. Talley and Vahid Salari and Pawel Plawiak and Kazem Rahimi and U. Rajendra Acharya},
journal= {arXiv preprint arXiv:2301.00280},
year = {2023}
}
备注
39 pages, 14 figures, 13 tables