机构名称：
¥ 1.0
摘要 — 在本文中，我们研究了一个新问题：“帕金森病患者的自动处方推荐”。为了实现这一目标，我们首先通过收集 1）帕金森病患者的症状和 2）神经科医生提供的处方药来构建一个数据集。然后，我们通过学习观察到的症状和处方药之间的关系，建立了一个新颖的计算机辅助处方模型。最后，对于新来的患者，我们可以通过我们的处方模型根据他们观察到的症状推荐（预测）合适的处方药。从方法论部分来看，我们提出的模型，即通过学习潜在症状的处方（PALAS），可以使用数据的多模态表示来推荐处方。在 PALAS 中，学习潜在症状空间以更好地模拟症状和处方药之间的关系，因为它们之间存在很大的语义差距。此外，我们提出了一种有效的 PALAS 交替优化方法。我们使用从南京脑科医院收集的 136 名帕金森病患者收集的数据来评估我们的方法，这可以被视为帕金森病研究界的大型数据集。与其他竞争方法相比，实验结果证明了我们的方法在该推荐任务中的有效性和临床潜力。
基于学习的帕金森病计算机辅助处方模型：数据驱动的视角
主要关键词
相关文件推荐
