首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 171 毫秒
1.
目的:通过构建抗癌药物基因组学知识表示模型,丰富药物、基因、疾病以及个性化用药等之间的语义关系,为临床医生精准用药、联合用药等提供参考依据,为药学科研人员开展新药研发、老药新用等研究提供理论支持,为癌症患者查询药物知识提供服务支撑。方法:对DrugBank、RxNorm、FDA药品说明书等药物基因组数据进行整合和抽取,在通用药物基因组学知识表示模型的基础上,涵盖药物、基因、疾病3个基本维度,并拓展个性化用药、药物副作用等知识维度,设计知识表示框架,确立相关实体类型,发现和定义实体与实体之间的语义关系。在构建好的抗癌药物基因组学知识表示模型的基础上,以黑色素瘤相关药物为例,对知识表示模型进行填充,并对实体和实体间语义关系进行可视化表达。结果:实现了药物、基因、疾病、个性化用药、药物副作用5类实体的概念抽取,定义了实体间的15种语义关系,构建了黑色素瘤药物基因组学相关的136个知识三元组。结论:面向抗癌药物精准用药的药物基因组学知识表示模型可以确定癌症用药与基因突变、人群、药物副作用之间的关联和推动药物基因组学知识在临床研究中的应用。  相似文献   

2.
目的:提出一种融合多维特征的医学知识图谱分步实体对齐方法,从电子病历和网络资源中抽取垂体瘤相关疾病、症状数据,进行实证研究。方法:首先进行尾实体对齐,通过训练Word2Vec和BERT模型获得实体的语义特征,使用三元组训练翻译模型得到实体结构特征,利用Jaccard相似度计算字符特征,利用分类模型进行特征学习和预测;然后进行头实体对齐,利用实体的属性相似性和结构相似性构建头实体对齐模型。结果:尾实体对齐模型的F1值为99.58%,头实体对齐模型的F1值为97.32%,说明所选择的特征可以很好地表示实体,模型具有良好的对齐效果。结论:目前关于医学知识图谱的实体对齐模型研究仍处于起步阶段,融合多维特征的医学知识图谱分步实体对齐方法是对现有医学知识图谱构建方法的重要补充。  相似文献   

3.
目的研究和开发支持中医和现代生物医学本体和术语集的语义标注系统。方法以MedPortal本体库和中医临床术语集等为术语资源库,设计语义标注系统工作流程和功能框架,并开发Web应用系统。结果构建了一个基于Web的中医药文献语义标注系统,支持语料库管理与维护、术语词典管理、语义标注和语义检索等功能,既可以为基于机器学习的信息抽取算法研究提供训练集,又能实现语义层面的多来源数据集成与知识融合。结论该中医药文献语义标注系统设计方案已经过实际项目验证,可为其他同类系统研发提供参考。  相似文献   

4.
医学知识图谱构建研究进展   总被引:1,自引:0,他引:1       下载免费PDF全文
针对医学数据专业性强、结构复杂等特点,解析了构建医学知识图谱的关键技术,介绍了利用机器学习和深度学习的方法识别医学命名实体、实体链接和抽取语义关系,以及医学知识图谱在医院智能导诊、疾病筛查和预测、辅助临床诊断、医疗保险风险预测和医学知识科普方面的应用。结合当前我国医学知识图谱构建在数据和技术层面临的问题和挑战,提出了相应的对策和建议。  相似文献   

5.
目的:了解药品说明书中有关特殊人群用药内容的标注情况,为特殊人群合理用药提供参考。方法:抽取我院药房常用药品说明书,对特殊人群包括孕妇及哺乳期妇女儿童、老年人用药内容进行分析。结果与结论:部分药品说明书中特殊人群用药项目存在缺失,需要药品监督管理部门、药品生产部门和药品使用人群等完善药品说明书,保障特殊人群用药安全。  相似文献   

6.
目的结合自然语言处理方法,研究可以有效抽取中医古籍中所含症状和药物文本实体信息的方法。方法以《金匮要略》为例,采用条件随机场(CRF)算法,先将文本进行分词处理,然后以词性、基于键值对的中医诊断标记集作为辅助特征,通过症状-药物BIO标签为训练特征来训练出模型,然后利用该模型对测试集文本进行自动标签标注。结果基于多特征CRF自动标注的结果准确率达到84.5%,召回率达到70.9%,F测度值达到77.1%。结论运用CRF方法加入词性、中医诊断标记集特征集进行训练得出的多特征模型,能有效提高CRF算法对中医古籍的实体抽取能力,生成的模型可用来自动化抽取中医古籍文本的症状药物实体信息。  相似文献   

7.
目的:调查临床医师对药品说明书的理解情况,促进临床合理用药。方法:采用随访问卷调查法,对医院临床医师进行随机抽样问卷调查。结果:被调查的所有临床医师均存在不同程度的对药品说明书项目理解不透彻的现象,总不理解率达18.04%,医师与主治医师以上职称的不理解率比较有显著性差异(P〈0.01)。结论:临床医师对药品说明书理解不透彻的现象普遍存在,故应加强对药品说明书知识的学习理解、促进临床合理用药,开展好药学服务。  相似文献   

8.
目的:以《中国百年百名中医临床家丛书》、中医书籍等为知识图谱构建素材,借鉴国际系统医学术语全集(SNOMED)、统一医学语言系统(UMLS)和中医药学语言系统(TCMLS)的语义关系构建“症状-证候-治法”及“所用方剂-中药”之间关系的语义网络。方法:采用人工知识抽取的方法,利用知识图谱构建素材和SQL Server 2008对数据进行预处理,选取图数据库Neo4j构建中医类流感温病理论知识图谱。结果:构建的知识图谱包含实体812个和关联4 759个。结论:通过Cypher语言使“证-治”“证-症”“症-药”等关联知识图谱可视化,能够直观地展示各个实体之间的关系,为今后将中医类流感知识图谱与深度学习技术相结合应用于中医奠定了基础。  相似文献   

9.
目的:了解我单位皮肤科超说明书用药情况并分析其使用原因,从而促进临床合理规范用药。方法随机抽取2014年5~10月皮肤科每个月1 d的门诊处方共8563张,根据药品说明书分别对处方中适应证、用法用量以及适应人群进行分析,整理统计超说明书用药类型和药品分布情况。结果超说明书用药处方占抽取处方的2.53%(217/8563)。其中适应证超说明书用药占85.25%;其次为药品用法用量超说明书占13.37%,主要是口服用药改为外用;而适应人群超说明书用药主要集中在儿童用药方面,占1.38%。结论医疗机构应重视并加强药物使用管理,规范临床医师的超说明书用药行为,保障患者用药安全有效。  相似文献   

10.
目的:了解药品说明书中儿童用药注意事项标注情况。方法:随机抽取临床常用的380种药品说明书,记录每种药物有关儿童用药的标示情况,统计最终结果。结果:380种药品说明书中,明确标注药物儿童用法用量268份,占70.53%;标注"慎用或禁用"49份,占12.89%;标注"尚不明确"37份,占9.74%,无任何标注信息26份,占6.84%。明确标注药物儿童用法用量的说明书中,其中用量以体重计算占19.78%;用量以年龄计算占33.21%;用量以年龄和体重计算占24.63%;直接给出儿童用量占22.38%。结论:药品说明书中关于儿童用药的标注信息仍需进一步完善,有关部门应当加强对药物说明书的规范管理,提高儿童用药安全性。  相似文献   

11.
探讨以团队为基础的教学(team based learning,TBL)模式在临床麻醉学教学中的应用及其意义。TBL是在PBL基础上改革创新的一种新型成人教学模式。将其应用在临床麻醉学教学中,通过制定学习目标、组织团队有效地学习以及应用合理的评分系统,明显提高了学生的学习积极性、主动性和团队合作精神,增强了学生对知识的理解、运用和驾驭能力。同时更新了教师的教学理念,促进了师生之间交流,提高了临床麻醉学的教学质量。  相似文献   

12.
标准化、精细化、专业化的临床药师培养模式有利于提高药师的临床服务水平。本研究总结呼吸内科临床药师培养模式及工作实践经验,制定临床药师工作路径及标准化带教流程,具体包括引导学员明确培养目标、加强基础知识积累、立足临床技能实践、强化沟通能力,培养学员的临床思维及自主学习能力,以此构建一整套完善、成熟的专业化临床药师培养模式。  相似文献   

13.
目的 基于分化型甲状腺癌(DTC)患者的临床资料及放射学参数,通过机器学习算法构建放射性碘治疗(RAI)疗效的预测模型。 方法 选取2015年12月至2020年12月于山东大学第二医院核医学科接受RAI治疗的1 642例DTC患者为研究对象,在RAI治疗结束的6个月后评估其治疗疗效,筛选与疗效相关的核心特征进行机器学习建模。将研究对象按就诊时间(2019年7月)划分为训练集(n=973)和验证集(n=669),于训练集中利用Logistic、随机森林、支持向量机、Adaboost 4种方法进行模型构建,利用受试者工作特征曲线下面积(AUC)、灵敏度和特异度评估模型的性能,绘制校准曲线及决策曲线评估模型的准确度和临床受益性,并在验证集中评估模型外部稳定性。 结果 4种模型的预测性能较高,稳定性较好,预测精度和净收益高于目前临床常规应用的肿瘤-淋巴结-转移(TNM)分期和复发风险分层。Logistic模型表现最佳,其AUC在训练集中为0.827、验证集中为0.869。 结论 基于机器学习构建的术后RAI治疗疗效预测模型有较高的预测性能,由此构建的列线图可实现个体化精准预测。  相似文献   

14.
为培养系统掌握基础理论和临床专业知识、具有处理危急状况能力的“同质化”“高质量”麻醉医生,陆军军医大学第一附属医院麻醉科将整合医学教学联合以问题为基础的学习(problem-based learning,PBL)应用于住院医师规范化培训的教学中。该校始终以“病理生理改变”为核心整合相关知识,实行以病例为主线的规范化培训教学思路,并建立以整合医学教育理念为基础、以PBL教学为中心、以麻醉手术过程中病理生理改变为主线的规范化培训病例库,使规培学员有效地达到了理论知识与临床融会贯通的目的。其不仅培养了高素质的麻醉住院医师,而且提高了住院医师发现、分析、解决问题的能力,使受训学员养成自我学习、终身学习的习惯。  相似文献   

15.
目的对比线性回归模型与四种机器学习算法对临床医学研究生学习行为的预测效能,探讨不同预测模型的优缺点和适用性。方法以全国6922名临床医学研究生的调查数据为例,通过自评学习行为量表获得综合得分;在训练集中,分别利用Lasso线性回归和人工神经网络、决策树、Bootstrap随机森林、提升树四种监督式机器学习算法建立预测模型;对验证集数据进行预测并比较不同模型的预测效能。结果临床医学研究生学习行为综合得分为(3.31±0.54),总体达标率为74.02%。在线性回归模型中,年龄、学校级别、学位类型、学习兴趣、压力和满意度对学习行为的影响差异有统计学意义;在对验证集的预测中,线性回归模型的敏感度为0.484,特异度为0.914,准确率为0.801。四种机器学习算法的各项指标均高于线性回归模型,其中随机森林的提升度最高。结论线性回归模型对研究生学习行为的预测效果良好,机器学习在预测准确性上优于线性回归模型,但传统线性回归模型在计算效率和可解读性上具有一定优势。  相似文献   

16.
目的:了解临床护士掌握心电监护知识现状,发现薄弱环节及影响因素,为合理组织培训,提高护士心电监护知识水平提供依据。方法:采取方便抽样对122例护士进行心电监护知识问卷调查。结果:大部分护士掌握本科室心电监护仪的使用,对心电图判读知识掌握欠缺,发现异常心电图不能及时对症处理。结论:护士对心电监护知识仅掌握在使用上,参加针对性培训及实践能提高心电监护水平。  相似文献   

17.
通过深入剖析现行全口义齿教学中存在的不足,并根据成年人的学习特点提出以患者诊治为中心的全口义齿教学方式的可行性。在该教学方式中,患者及学生作为主角从始至终积极参与整个教学过程。以实际患者为模特具体生动地为学生展示全口义齿的修复过程及相关理论知识要点。利用学生直接接触患者的激动心情充分调动学生的积极性和主动性,使其更加深刻具体地学习掌握全口义齿的相关理论和临床诊治技能。该教学方式能够最大程度地将理论与实践相结合,为学生提供一个从感性认识到理性认识、适合人类学习逻辑的教学模式,避免传统教学中,理论课像"天书"的模式以及理论与实践脱节的弊端。  相似文献   

18.
肿瘤内科学是医学生临床教学的重要内容,需要掌握的知识繁多、复杂,临床教学难度较大。传统的讲授教学法存在手段单一、过程枯燥、与临床脱节等不足,易造成学生自主学习意识差、综合利用知识能力不足等问题。为了克服传统教学的缺点,将案例教学法(CBL)联合以问题为基础的教学法(PBL)应用于肿瘤内科的临床实习带教教学中,培养学生的临床思维和临床实践能力,达到提高肿瘤内科学临床教学质量的目的。  相似文献   

19.
  目的  肺黏液腺癌是一种罕见的肺癌亚型,存在独特的分子生物学特征,并影响治疗方案的选择。本研究拟通过建立浸润性黏液腺癌的机器学习模型来提高治疗前黏液腺癌诊断的准确性。  方法  回顾性分析河北医科大学第四医院在2017年1月—2022年5月期间经穿刺活检或手术病理证实的620例肺浸润性腺癌患者资料。采用倾向性评分匹配法(PSM)进行1 : 1匹配后按7 : 3比例将患者随机分为训练集和测试集, 应用具有统计学差异的变量构建支持向量机(SVM)、随机森林(RF)及逻辑回归(LR)3种机器学习模型, 并通过AUC值选择最优模型。通过5折交叉验证方法分析最优机器学习模型AUC值及绘制决策曲线分析(decision curve analysis, DCA)曲线, 并构建诺莫图。  结果  结果显示病灶位于下叶、囊腔、支气管截断征及ΔCTV值是浸润性黏液性腺癌的独立预测因素。将以上4个特征通过机器学习构建预测模型并进行模型比较, 最终显示逻辑回归模型(AUC = 0. 801)为最优模型。将285例随机抽取30%为测试集(85例), 剩余样本作为训练集进行5折交叉验证, 逻辑回归模型在验证集中得到AUC为0. 777, 测试集中的AUC为0. 785, 准确度为0. 682, 训练集中的AUC为0. 803, 准确度为0. 749。最终构建逻辑回归模型的诺莫图, 模型校准曲线中的Briser Score为0. 149, 且绘制的DCA曲线同样显示该模型具有良好的预测能力及稳定性。  结论  通过对基于临床及CT特征的机器学习模型的分析, 构建了原发性肺浸润性黏液性腺癌的临床预测模型, 该模型具有潜在指导临床诊断的作用。   相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号