(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221028152 2.8 (22)申请日 2022.03.21 (71)申请人 上海工程 技术大学 地址 201620 上海市松江区龙腾路3 33号 (72)发明人 邱禧荷　钱家辉　郭韵　陈斌　 熊玉洁　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 叶敏华 (51)Int.Cl. G16H 70/40(2018.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/02(2006.01) (54)发明名称 一种基于知识图谱的药物不良反应预测系 统及其方法 (57)摘要 本发明涉及一种基于知识图谱的药物不良 反应预测系统及其方法， 该系统包括数据库模 块、 知识图谱模块和预测模块， 数据库模块与知 识图谱模块相连接， 知 识图谱模块与预测模块交 互连接， 数据库模块用于构建包含多个药物名称 及对应不良反应数据的数据库； 知识图谱模块用 于从数据库中查询得到待测药物的不良反应， 并 绘制出对应的知识图谱； 以及判定多个待测药物 之间是否存在不良反应冲突， 并绘制出对应的知 识图谱； 预测模块用于对待测药物的潜在不良反 应进行预测。 与现有技术相比， 本发明能够快速 准确查询到待测药物的已知不良反应， 并能预测 药物潜在的不良反应， 同时能够对多个药物之间 的不良反应冲突进行判定， 从而规避多药联用可 能产生的危害。 权利要求书2页 说明书5页 附图1页 CN 114743692 A 2022.07.12 CN 114743692 A 1.一种基于知识图谱的药物不良反应预测系统， 其特征在于， 包括数据库模块(1)、 知 识图谱模块(2)和预测 模块(3)， 所述数据库模块(1)与知识图谱模块(2)相连接， 所述知识 图谱模块(2)与预测模块(3)交互连接， 所述数据库模块(1)用于构建包含多个药物名称及 对应不良反应数据的数据库； 所述知识图谱模块(2)用于从数据库中查询得到待测药物的不良反应， 并绘制出对应 的知识图谱； 以及判定多个待测药物之间是否存在不良反应冲突， 并绘制出对应的知识图 谱； 所述预测模块(3)用于对待测药物的潜在不良反应进行 预测。 2.根据权利要求1所述的一种基于知识图谱的药物不良反应预测系统， 其特征在于， 所 述数据库模块(1)包括依次连接的数据输入单元(4)和数据清理单元(5)， 所述数据输入单 元(4)用于接收药物不良反应数据集， 所述数据清理单元(5)用于对药物 不良反应数据集进 行清洗和去重操作， 以构建得到数据库。 3.根据权利要求2所述的一种基于知识图谱的药物不良反应预测系统， 其特征在于， 所 述药物不良反应数据集包括多个药物名称以及该 药物对应的不良反应数据。 4.根据权利要求2所述的一种基于知识图谱的药物不良反应预测系统， 其特征在于， 所 述知识图谱模块(2)包括依次连接的数据读取单元(6)、 知识图谱构建单元(7)、 数据查询单 元(8)， 所述数据读取单元(6)与数据库模块(1)连接， 所述数据查询单元(8)与预测模块(3) 交互连接， 所述数据读取 单元(6)用于从数据库模块(1)获取 数据库； 所述数据查询单元(8)用于从获取的数据库中查询得到待测药物 的不良反应数据、 判 定多个待测药物之间是否存在不良反应冲突以及接收预测模块(3)输出的预测结果数据； 所述知识图谱构建单元(7)用于绘制待测药物的不良反应图谱以及绘制多个待测药物 之间存在冲突的不良反应图谱。 5.根据权利要求4所述的一种基于知识图谱的药物不良反应预测系统， 其特征在于， 所 述知识图谱模块(2)还设置有可视化单元(9)， 所述可视化单元(9)用于将不良反应图谱展 示给用户。 6.根据权利要求4所述的一种基于知识图谱的药物不良反应预测系统， 其特征在于， 所 述预测模块(3)包括数据预处理单元(10)、 编码器单元(12)、 解码器单元(14)和输出单元 (15)， 所述数据预处理单元(10)、 编码器单元(12)、 解码器单元(14)依次连接， 所述数据预 处理单元(10)与数据读取单元(6)相连接， 所述解码器单元(14)与数据查询单元(8)相连 接， 所述输出单元(15)与数据查询单元(8)相连接， 所述数据预 处理单元(10)用于对获取的 数据库中的数据进行 预处理； 所述编码器单 元(12)和解码器单 元(14)用于学习得到药物不良反应之间的关系； 所述输出单元(15)用于结合待测药物的不良反应图谱以及药物不良反应之间的关系， 以得到待测药物的潜在不良反应预测结果。 7.根据权利要求6所述的一种基于知识图谱的药物不良反应预测系统， 其特征在于， 所 述编码器单元(12)和解码器单元(14)分别设置有LSTM子单元(11)， 所述解码器单元(14)还 设置有注意力子单 元(13)。 8.一种基于知识图谱的药物不良反应预测方法， 其特 征在于， 包括以下步骤： S1、 将药物不良反应数据集输入数据库模块， 构建得到包含多个药物名称及对应不良权　利　要　求　书 1/2 页 2 CN 114743692 A 2反应数据的数据库； S2、 知识图谱 模块接收单个待测药物名称， 则执 行步骤S3； 知识图谱 模块接收多个待测药物名称， 则执 行步骤S4； S3、 根据待测药物名称， 知识图谱模块从数据库中查询得到该待测药物 的不良反应数 据并绘制成不良反应图谱； 预测模块通过知识图谱模块获取数据库中的数据， 并对获取的数据进行预处理， 之后 通过机器学习方式， 以得到药物不良反应之间的关系； 预测模块结合待测药物不良反应图谱以及药物不良反应关系， 预测得到该待测药物的 潜在不良反应结果； S4、 根据多个待测药物名称， 知识图谱模块从数据库中分别查询得到多个待测药物 的 不良反应数据， 并判定多个待测药物之 间是否存在不良反应冲突， 若判断为是， 则绘制多个 待测药物之间的冲突 不良反应图谱； 否则绘制多个待测药物各自的不良反应图谱； 预测模块通过知识图谱模块获取数据库中的数据， 并对获取的数据进行预处理， 之后 通过机器学习方式， 以得到药物不良反应之间的关系； 预测模块结合多个待测药物不良反应图谱以及药物不良反应关系， 分别预测得到多个 待测药物的潜在不良反应结果。 9.根据权利要求8所述的一种基于知识图谱的药物不良反应预测方法， 其特征在于， 所 述知识图谱模块具体是通过Neo4j图数据库创建环境， 再通过Py2Neo最终绘制成药物不良 反应知识图谱。 10.根据权利要求8所述的一种基于知识图谱的药物不良反应预测方法， 其特征在于， 所述预测模块具体是基于深度学习的Attention机制， 并根据Encoder ‑decoder框架， 结合 LSTM模型 学习药物不良反应之间的关系。权　利　要　求　书 2/2 页 3 CN 114743692 A 3