一种基于舆情监测的药物不良反应发现方法及系统与流程

本发明涉及医疗健康信息，特别是涉及一种基于舆情监测的药物不良反应发现方法及系统。

背景技术：

1、目前，药物不良反应监测主要依赖于报告系统和临床试验，存在着一些问题和限制。首先，基于报告系统的药物不良反应监测存在数据延迟，医生和患者需要主动报告不良反应，导致数据的不及时性。其次，临床试验的药物不良反应监测受到试验样本数量的限制，无法全面反映药物不良反应的发生情况。此外，药物不良反应的临床试验还需要耗费大量的时间和资源，并不适合对市售药物的监测。基于上述背景，本发明提出一种使用舆情监测技术来发现药物不良反应的方法和系统，以弥补传统检测方法的不足之处。

技术实现思路

1、基于此，有必要针对传统监测方法存在数据延迟、试验样本数量限制且耗时耗力的问题，提供一种基于舆情监测的药物不良反应发现方法及系统。

2、本发明是通过以下技术方案来实现的：一种基于舆情监测的药物不良反应发现方法，对收集的药物反应数据源进行处理，得到药物信息和不良反应信息，将所述药物信息和不良反应信息进行关联并计算不良反应出现的频率和趋势，药物不良反应发现方法包括以下步骤：

3、s4、计算所述药物信息和所述不良反应信息之间的频繁项集和关联规则，并将所述不良反应信息进行聚类处理，使得相似的不良反应归类在一起；其中，挖掘出频繁项集和关联规则包括以下步骤：

4、s41、计算用于表示项集在数据集中出现频率的支持度，并设定最小支持度的阈值，大于等于最小支持度的项集为频繁项集；

5、s42、统计数据集中所有单个药物项的支持度，去掉支持度低于阈值的项集，剩余频繁项集一；

6、s43、使用频繁项集一生成所有可能的包含有两个项的频繁项集二的候选集；

7、s44、计算频繁项集二在数据集中的支持度，并去掉支持度低于阈值的频繁项集二；

8、s45、重复进行s43和s44，生成并计算更高阶的频繁项集n，直到没有新的频繁项集为止；

9、s46、对每个生成的频繁项集，根据其支持度和项集元素间的条件概率生成关联规则，并计算关联规则的置信度；所述关联规则用于描述药物信息和不良反应信息之间的条件关联关系；

10、s5、根据频繁项集和关联规则将所述药物信息和所述不良反应信息进行统计分析，计算不良反应出现的频率和趋势；

11、s6、设定与所述不良反应信息相关的预警规则，当出现特定的所述不良反应信息或所述不良反应信息出现数量超过阈值时，对该所述不良反应信息进行标记。

12、作为优选实例，得到药物信息和不良反应信息的方法包括以下步骤：

13、s1、从各大社交媒体平台、药物论坛和新闻报道中获取数据源，并在数据源中保留与药物反应相关的数据，得到药物反应数据源，所述药物反应数据源包括药物信息和药物反应信息；

14、s2、对所述药物反应数据源进行实体识别处理，得到关于药物信息和药物反应信息的实体信息；

15、s3、对所述实体信息进行情感分析处理，通过对情感倾向的处理识别，判断所述实体信息是否为正面、负面或中性情感，并评估情感强度；

16、若判断情感倾向为正面或中性情感，则该所述药物反应信息认定为正常反应信息；

17、若判断情感倾斜为负面情感，则该所述药物反应信息认定为不良反应信息。

18、作为优选实例，在数据源中保留与药物反应相关的数据采用关键词识别进行保留，所述数据源中出现关键词的整段句子进行保留，作为所述药物反应数据源；所述关键词包括药物关键词和反应关键词。

19、作为优选实例，对采集到的所述数据源中的用户个人信息进行隐私保护。

20、作为优选实例，对得到的所述药物反应数据源进行预处理，所述预处理包括对所述药物反应数据进行去重和去噪处理；所述去噪处理用于针对文本数据中的噪声进行处理，噪声的种类包括非结构化文本数据中的格式噪声、自然语言噪声、无关主题/主语言的内容噪声、广告和垃圾信息。

21、作为优选实例，所述去噪处理包括以下方法：使用预定义的与药物不良反应相关的种子关键词集合，对文本数据进行匹配过滤，保留包含这些关键词的数据；

22、对文本数据的主题进行分析，过滤掉与"药物不良反应"主题不相关的数据；

23、利用实体识别和关系抽取算法，识别出文本数据中包含药品名称、症状名称的实体及其语义关系，保留包含特定实体和语义关系的数据。

24、作为优选实例，在s5中，所述不良反应信息的统计分析结果以图表、热力图或词云形式进行展示。

25、作为优选实例，计算不良反应出现频率的规则包括：

26、基于个体患者：对于同一患者，即使报告了多次相同的不良反应，也只计数一次；

27、基于就诊/报告时间窗口：对于同一患者在特定时间窗口内报告的相同不良反应，只计数一次；

28、基于严重程度：根据不良反应的严重程度，只计数符合最低严重程度阈值的事件；

29、基于药物成分：对于同一患者服用含有相同主要成分的不同药物所引发的相同不良反应，只计数一次；

30、基于合并相似反应：将相似的不良反应描述进行归并，作为同一类型不良反应计数。

31、一种基于舆情监测的药物不良反应发现系统，其应用了如上所述的药物不良反应发现方法，药物不良反应发现系统包括：

32、数据收集模块，其用于从互联网中获取数据源，在数据源中保留与药物反应相关的数据，得到药物反应数据源；

33、数据预处理模块，其包括数据清理模块和实体识别模块；所述数据清理模块用于对所述不良反应数据进行去重和去噪处理，用于去除掉重复的和对药物反应无关的数据；所述实体识别模块用于对去重、去噪处理后的所述不良反应数据进行识别，得到关于药物名称、症状名称和服用周期的实体信息；

34、情感识别模块，其用于对所述实体信息进行情感倾向的自动识别，判断情感倾向是否为正面、负面或中性情感；

35、不良反应挖掘模块，其包括关联规则挖掘模块和文本聚类模块；所述关联规则挖掘模块用于分析所述药物信息和所述不良反应信息之间的关联性，并挖掘出频繁项集和关联规则；所述文本聚类模块用于将所述不良反应信息进行聚类处理，使得相似的不良反应归类在一起；

36、数据分析与可视化模块，其用于对所述药物信息和所述不良反应信息进行统计分析和图表展示；

37、预警模块，其用于根据预设的规则和阈值，对重要或紧急的不良反应进行预警并通知相关人员。

38、作为优选实例，所述药物不良反应发现系统还包括：

39、数据管理模块，其用于建立和管理基于采集到的所述数据源的舆情数据库，提供给相关人员参考和决策支持；

40、系统更新模块，其用于及时获取最新的数据源更新，包括定时更新采集社交媒体平台、药物论坛和新闻报道上的数据源。

41、本发明的有益效果在于：

42、1、本发明利用舆情监测技术，可以广泛地获取社交媒体、新闻报道、药物论坛等多个渠道中与药物相关的信息。相比传统的报告系统和临床试验，能够获得更多样本和更全面的药物不良反应数据，提高了监测的广度和全面性。

43、2、本发明利用大数据分析和人工智能技术，能够自动化地对海量的药物相关数据进行分析和处理。相比传统的人工分析方法，大大提高了分析效率和准确性，节省了大量的时间和人力资源。

44、3、本发明利用舆情监测技术实现了对药物不良反应相关数据的实时采集和分析，弥补了传统报告系统的数据延迟问题。能够更及时地发现和监测药物不良反应，及时采取相应的安全措施。

45、4、本发明通过数据分析与可视化技术，将药物不良反应的监测结果以直观的图表、热力图、词云等形式展示。用户可以直观地了解和分析药物不良反应的频繁项集、关联规则和趋势，更好地理解和利用数据，提高研究和决策的便捷性。