基于知识图谱的中医组方筛选方法及应用

摘要: 本发明涉及信息处理,具体涉及基于知识图谱的中医组方筛选方法及应用。背景技术:1、中医组方(即方剂)是中医临床治疗的重要手段,其核心在于辨证论治,即根据患者的病机...
基于知识图谱的中医组方筛选方法及应用

本发明涉及信息处理,具体涉及基于知识图谱的中医组方筛选方法及应用。

背景技术:

1、中医组方(即方剂)是中医临床治疗的重要手段,其核心在于辨证论治,即根据患者的病机(疾病发生、发展、变化的机理)来选择合适的药物进行配伍。传统中医组方过程高度依赖医师的个人经验和知识积累,具有较强的主观性和不确定性。随着人工智能和大数据技术的发展,利用计算机辅助进行中医组方推荐成为研究热点。

2、现有的基于中医辨证的个性化药方自动配制系统,引入了药物代谢指纹的概念,但其侧重于药物对病机的对冲筛选,对药物组合内部的药性协同与代谢冲突缺乏系统性、可量化的综合评判机制。此外,现有技术在组方筛选过程中,往往将各评价指标孤立处理,缺乏一个能够融合宏观病机、中观药性、微观代谢的多维度、全路径的量化评价模型。为此,提出基于知识图谱的中医组方筛选方法及应用。

技术实现思路

1、本发明为解决上述技术问题,提供了基于知识图谱的中医组方筛选方法及应用,能够实现动态迭代优化图谱,实现个性化、高适配、高安全的中医组方智能筛选。

2、本发明采用的技术方案如下:

3、基于知识图谱的中医组方筛选方法,包括以下步骤:

4、s1,构建多层耦合知识图谱,所述多层耦合知识图谱包括病机矢量层、药性矢量层和药物代谢指纹层,其中,所述病机矢量层包含由中医理论量化指标定义的多个病机维度,所述药性矢量层包含由中药药性量化指标定义的多个药性维度,所述药物代谢指纹层包含由药物化学成分与代谢酶靶点结合强度定义的多个代谢酶维度,并建立所述病机矢量层与所述药性矢量层之间、以及所述药性矢量层与所述药物代谢指纹层之间的跨层关联边;

5、s2,获取目标患者的四诊信息,基于预设的语义映射模型将所述四诊信息转换为多维向量,生成患者病机矢量;

6、s3,基于所述患者病机矢量在所述多层耦合知识图谱的所述病机矢量层中进行反向投影,筛选出与所述患者病机矢量具有对冲关系的初始候选药性矢量,并根据所述初始候选药性矢量在所述药性矢量层中定位对应的初始候选药物节点,以构建候选组方空间;

7、s4,构建组方筛选的路径熵多目标优化模型,所述路径熵多目标优化模型用于量化评价候选组方的综合适配度,遍历所述候选组方空间中的候选组方,计算每个候选组方在所述多层耦合知识图谱中从所述患者病机矢量到所包含药物节点的多条传播路径的路径熵值,所述路径熵值由病机对冲熵、药性协同熵和代谢相容熵加权求和得到;

8、s5,基于所述路径熵值对所述候选组方空间中的所有候选组方进行排序,并将路径熵值最小的候选组方确定为最优组方。

9、优选的,s1中构建多层耦合知识图谱,具体包括:

10、s11,采集中医典籍、临床病历及药物化学数据库中的结构化与非结构化数据;

11、s12,利用自然语言处理技术从所述数据中提取病机概念、中药药性概念、药物活性成分及代谢酶靶点信息,分别作为所述病机矢量层、所述药性矢量层和所述药物代谢指纹层的节点;

12、s13,基于中医理论中的病机与药性的对应关系,建立所述病机矢量层节点与所述药性矢量层节点之间的第一跨层关联边,并为所述第一跨层关联边赋予基于文献共现频率或专家知识评分的初始语义强度权重;

13、s14,基于分子对接模拟计算药物活性成分与代谢酶靶点的结合自由能,生成所述药物代谢指纹层节点的代谢指纹向量,并基于所述药物代谢指纹层节点与其对应药物在所述药性矢量层中的节点之间的从属关系,建立所述药性矢量层节点与所述药物代谢指纹层节点之间的第二跨层关联边。

14、优选的,s13中为第一跨层关联边赋予初始语义强度权重具体包括:初始语义强度权重的计算公式为:,其中,表示病机概念与药性概念在中医典籍文献中的共现频率先归一化值,表示专家对病机与药性对应关系的评分,和为预设的融合权重系数。

15、优选的,s3中生成患者病机矢量具体包括:

16、s31,对所述四诊信息进行分词和实体识别,提取与病机相关的症状、体征关键词;

17、s32,将所述关键词映射至所述病机矢量层的各个病机维度上,并根据关键词的严重程度或出现频次为每个维度赋减值;

18、s33,将赋值后的多维向量进行归一化处理,生成所述患者病机矢量。

19、优选的,s3中构建候选组方空间具体包括:

20、s34,计算所述患者病机矢量的反向矢量;

21、s35,在所述病机矢量层中,计算每个病机矢量节点与所述反向矢量的余弦相似度,并选取余弦相似度大于第一阈值的病机矢量节点作为目标病机节点;

22、s36,通过所述第一跨层关联边,获取与所述目标病机节点连接的药性矢量节点,形成初始候选药性集合;

23、s37,在所述药性矢量层中,定位与所述初始候选药性集合中每个药性矢量节点对应的所有药物节点,并将所述所有药物节点构成的组合空间作为所述候选组方空间。

24、优选的,s4中计算每个候选组方的路径熵值具体包括:

25、s41,对于候选组方,在所述多层耦合知识图谱中,构建从所述患者病机矢量分别到每个药物节点的多条传播路径,其中每条传播路径依次经过所述病机矢量层、所述药性矢量层和所述药物代谢指征层;

26、s42,计算每条传播路径的路径权重,所述路径权重为路径上所有关联边的权重的乘积;

27、s43,根据所述路径权重,分别计算所述候选组方的病机对冲熵、药性协同熵和代谢相容熵;

28、s44,将所述病机对冲熵、药性协同熵和代谢相容熵进行加权求和,得到所述候选组方的路径熵值。

29、优选的,s43中计算病机对冲熵具体包括:对于药物节点,计算其所有传播路径中,路径终点位于所述病机矢量层的路径的权重之和;所述候选组方的病机对冲熵,其中,经过归一化处理,使得。

30、优选的,s43中计算药性协同熵具体包括:对于候选组方,获取其所包含药物节点在所述药性矢量层对应的药性矢量,计算两两药物节点药性矢量之间的内积作为协同系数;所述候选组方的药性协同熵,其中,为药物节点与的协同系数,为所有协同系数的总和。

31、优选的,所述s43中计算代谢相容熵,具体包括:对于候选组方,获取其所包含药物节点在所述药物代谢指纹层对应的代谢指纹向量;计算两两药物节点代谢指纹向量之间的欧氏距离作为代谢冲突系数;所述候选组方的代谢相容熵,其中,为药物节点与的代谢冲突系数,为所有代谢冲突系数的总和。

32、本发明还提出了基于知识图谱的中医组方筛选方法的应用,包括以下步骤:

33、a1,获取目标患者的四诊信息,执行权利要求1所述的步骤s2至s5,生成针对所述目标患者的最优组方;

34、a2,将所述最优组方输出至医生工作站终端,并以可视化方式展示所述最优组方在所述多层耦合知识图谱中的路径传播图,其中,所述路径传播图用于展示从所述患者病机矢量到最优组方中各药物节点的关键传播路径及其对应的路径熵值;

35、a3,接收医生对所述最优组方的确认或修正指令,若接收到确认指令,则将所述最优组方及对应的所述目标患者的四诊信息作为新增知识数据,反馈至所述多层耦合知识图谱,以更新所述第一跨层关联边的初始语义强度权重。

36、本发明的有益效果:

37、本发明通过构建病机、药性、代谢三层耦合知识图谱,打通中医宏观辨证与微观药化的量化关联,突破现有技术多维度指标孤立评价的局限;通过病机反向投影精准锁定适配候选药物,高效构建组方空间;首创路径熵多目标优化模型,从病机靶向性、药性协同性、代谢安全性三维度量化评价组方,契合中医君臣佐使配伍理论,大幅降低传统组方的主观性与不确定性;同时建立临床数据反馈闭环,可动态迭代优化图谱,实现个性化、高适配、高安全的中医组方智能筛选。