面向信息交互的中国临床标准药物知识库构建与评测研究

The extensive use of electronic medical records provide a large number of data resources for clinical decision-making, drug information is an important part of clinical data. However, due to lack of standard drug knowledge base and mapping method between drug concepts, it is very difficult to achieve accurate information exchange between different medical information systems. The project intends to summarize and integrate the national major drug terminology databases, build a Chinese normalized clinical drug information model based on knowledge engineering solutions. By using natural language processing technology, we solve the problem of automatic identification and transformation of attribute values in drug descriptions, and analyze the description of drug related concepts successfully; By using deep neural network model framework, we establish a scoring mechanism to measure the similarity of drug concepts, archive the standard drug information mapping between the electronic medical records. The project will provide solutions for drug information exchange in provincial, municipal and regional informatization systems and provide standard data support for clinical decision-making. The developed Normalized Chinese Clinical Drug knowledge base will be incorporated into the OHDIS (Observational Health Data Sciences and Informatics) research framework, and provide the theoretical and methodological foundation for China's clinical data to join the global medical big data research.

电子病历的广泛应用为临床决策提供大量的数据资源，药物信息是临床数据的重要组成部分。然而由于缺乏标准的药物知识库，以及标准药物概念之间的映射方法，不同医疗信息系统之间很难实现准确的信息交互。本项目拟对国内主要药物术语库进行归纳与整合，基于知识工程的解决方案，构建出中文标准临床药物信息模型；采用自然语言处理技术，解决药物描述中各个属性值自动识别与转化的难题，成功解析药物的相关属性概念；采用深度神经网络模型框架，建立打分机制衡量药物概念相似度，实现电子病历中药物信息标准化映射。本项目将为省、市、区域信息化系统中药品信息交互提供解决方案，为临床决策提供标准化数据支持，开发的中国临床标准药物知识库纳入观测性健康数据科学与信息研究框架下，将为我国的临床数据加入到全球医疗大数据科研奠定理论和方法学基础。

电子病历的广泛应用为临床决策提供大量的数据资源，药物信息是临床数据的重要组成部分。本项目对国内主要药物术语库进行归纳与整合，基于知识工程的解决方案，构建出中文标准临床药物信息模型。首先，采用机器学习、深度学习和自然语言处理等人工智能技术构建药物知识库；其次，药物知识库应用于医学研究，主要包括药物不良反应分析、药物相互作用分析和药物重利用等；最后，将药物知识库应用于医学临床，例如合理用药指导、帮助临床决策和健康管理干预等。（1）完善了中国临床药物知识库NCCD，将NCCD映射到OHDSI国际临床观察大数据框架模型OMOP之中。目前，最新映射到OMOP标准术语集的NCCD编码包含：药物商品45,137个，药物商品名4,363个，药物成分1,783个以及26个药物剂型。（2）使用自然语言处理的技术，在药物知识的框架下，实现对药物不良反应事件报告进行数据挖掘。（3）使用药物知识库和其他医学知识库，将电子病历文本中药物，症状和诊断等患者相关的组学数据转化标准的医学描述，进一步采用深度学习注意力机制转化为可计算模型，用于系统性红斑狼疮患者的疾病发展预测。（4）通过TMPRSS2筛选新冠COVID-19治疗药物的方法，从TMPRSS2基因出发，使用自然语言处理方法，分析与TMPRSS2相关的所有文献摘要，可以在短时间内由程序筛选出COVID-19相关的药物、器官与靶点，从而提高治疗方案选取的效率。（5）将标准的药物文字描述转化为SMILES编码，用于预测乙肝病毒药物的活性与毒性。采用自然语言处理技术分析复合简化分子输入系统字符串，通过有针对性的优化Ising-word2vec模型进行预训练，准确表示整体及其子结构之间的关系，可以有效预测化合物对HBV和肝毒性的抑制作用。Wet-lab湿实验结果同样也验证了模型的可靠性。总体来说，我们开发的药物知识库结合专业的医学专著、国内外诊疗指南、专家共识、临床病例及国内外医学领域专家的融合及服务支持，使用医学人工智能，自然语言处理和知识图谱等数字化技术，综合健康风险科学评估等相关理论、知识，实现了多元关系型数据深度加工和融合，形成了以疾病为核心的高结构化、高时效性、高完备性的数字化临床诊疗及慢性病评估的自主知识产权解决方案，为大健康全行业提供医学数字化赋能。

内容获取失败，请点击重试