摘要: 伴随着医疗文献数据库的快速增长,缺乏经验的初级医师在为患者开处方时难以阅读大量的医疗文献来获得科学地决策辅助。2013年,李雪教授提出MedRank算法,该算法从medline数据库中提取医学信息异构星型网络,基于“有疗效的药物是由好的文章提及的,好的文章是由优秀的作者写的并刊登在高水平的期刊上”的假设,旨在为各类疾病的患者推荐最具有疗效的药物。该算法仍然存在几个问题:第一、模型输入的疾病是复合疾病;第二、推荐的结果不是具体的药物;第三、没有定义判定作者、期刊、文章是“好的”的标准;第四、没有考虑文章的发表时间等其他因素。经过对以上问题的思考,提出了HIC-MedRank算法,该算法纳入作者的H指数、期刊的影响因子、文章的引用数作为评判作者、期刊、文章是否优秀的指标,并综合考虑文章的发表时间、支持机构、发表类型等因素,为高血压合并慢性肾脏病患者推荐最佳的降压药物。推荐的结果与原算法、医师投票的结果以及美国成人高血压治疗指南推荐药物进行对比,实验结果显示HIC-MedRank推荐的药物比原算法推荐的药物更为精准,与主治医师投票选择的药物较为一致,与指南推荐的药物一致性达到80%。
中图分类号: