RecoMed：面向高血压药物的知识感知推荐系统
信息检索
2022-06-10 v2 机器学习
摘要
背景与目的 药物高度多样性一直是处方面临的重要挑战，导致医生决策过程中的困惑或疑虑。本文旨在开发一种名为RecoMed的药品推荐系统，通过提供其他医生已开具药物的信息，并找出除所询药物外还可推荐的其他药物，以辅助医生的高血压处方过程。方法 所开发方法分为两步：首先，采用关联规则挖掘算法发现药物关联规则。第二步借助ATC编码进行图挖掘与聚类以给出丰富化推荐，其本身包含若干步骤。首先，根据历史处方数据构建初始图。随后在第二步进行数据剪枝，之后由全科医生酌情移除高重复率药物。接着，将药物匹配至著名的药品分类系统ATC编码以提供丰富化推荐。最后，在末步使用DBSCAN与Louvain算法对药物聚类。结果 系统输出一份推荐药物列表，医生可根据患者临床症状选择一种或多种药物。仅使用与高血压药物相关的第2类药物评估系统性能。该系统所得结果已由该领域专家审阅确认。
引用
@article{arxiv.2201.05461,
title = {RecoMed: A Knowledge-Aware Recommender System for Hypertension Medications},
author = {Maryam Sajde and Hamed Malek and Mehran Mohsenzadeh},
journal= {arXiv preprint arXiv:2201.05461},
year = {2022}
}