基于隐性反馈与交叉推荐的癫痫药物推荐系统

癫痫是一种较为常见的脑部疾病,也是一种长期性神经系统疾患.目前全球有大量的患者饱受癫痫带来的痛苦.癫痫虽然不能根治,但是约70％癫痫病例的抽搐发作可以通过药物控制.电子健康病历蕴含着众多癫痫患者的信息,为个性化药物的处方提供了海量大数据资源.文章通过对医疗电子病例进行大数据分析,提出一种基于隐性反馈模型与交叉推荐的药物推荐方法(Implicit Feedback and CrossingRecommendation,IFCR),以帮助医生选择合适的药物.该方法通过分析患者的看病历史以及相似患者的看病经历,建立患者症状与医生用药之间的对应关系,从而根据患者症状为医生提供药物推荐.与基于人工神经网络的药物推荐系统进行对比试验发现,文章提出的药物推荐系统在召回率上具有显著优势,而在精确率上二者各有优劣.总体来看,文章所提出的IFCR方法效果更为出色.最后,通过对两种方法的推荐结果做进一步分析发现,二者推荐倾向不同,因此存在建立集成模型的可能.