基于人工智能技术的药物风险预测方法与流程

本发明属于药物风险预测，具体涉及基于人工智能技术的药物风险预测方法。

背景技术：

1、人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

2、药物的安全性历来在药物的临床应用中倍受关注，由于任何药物都有副作用，药物一方面是治疗作用，另一方面就是副作用，因此对于服用药物所引起副作用的检测变得尤为重要，在药物应用中，其化学物质基础及药物在人体内的作用机理十分复杂，其安全性评测的难度很大，这也是药物进入市场的主要障碍之一。

3、如公开公告号为cn106108846a所公开的一种智能化药物风险监控方法及系统，该方法包括：通过可穿戴设备收集用户的体征数据；在用药的时候对所服药物进行扫描，获取药物数据；对体征数据按预设时间间隔进行采样；基于神经网络模型获取药物的副作用概率。在本发明实施例中，根据心脏病病人的人体体征变化，和服用的药物成分，结合神经网络，智能化分析用户服药后的副作用，方便、快捷地评价出用药风险，通过神经网络对已有大量人群用药数据进行训练，充分照顾个体差异，快速判断病人的身体状况，预测和及时监控用户的用药安全。

4、但是并未解决现有的药物风险预测方法还存在的问题：在对待测药物进行风险预测前，药物中的杂质或者变质情况时常出现，这种情况会导致风险预测的误差增大，同时不方便对药物中的成分进行获取和分析，从而不方便对药物的毒性进行评价，另外为了增加药物用于人体时的安全性，需要对药物样品进行实验，为此我们提出基于人工智能技术的药物风险预测方法。

技术实现思路

1、本发明的目的在于提供基于人工智能技术的药物风险预测方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于人工智能技术的药物风险预测方法，包括以下步骤：

3、s1.药物质量检测：取待测药物，对待测药物进行质量检测，取质量检测合格的待测药物备用作为药物样品；

4、s2.药物成分获取：取药物样品，通过所述药物样品进行预处理、粉碎、提取和分析，获取药物成分以及含量；

5、s3.数据对比：将s2中获取的药物成分以及含量与用药风险数据库中的已知的药物信息进行对比，通过对比检测药物成分以及含量是否合格；

6、s4.药物毒性评价：采用化学信息学的方法，对获取的药物成分逐一进行毒性评价预测；

7、s5.模拟实验：对药物样品进行动物实验，得出药物样品毒性预测的实验动物数据，建立量效关系模型，外推得到人的最低安全计量，据此评价该药物样品毒性；

8、s6.风险预测：基于人工智能技术构造风险预测模型，所述风险预测模型根据药物样品毒性的评价结果，完成药物风险预测。

9、优选的，所述s1中药物质量检测具体包括对待测药物的生产日期进行获取、对待测药物的保质日期进行获取以及检测待测药物是否受潮变质。

10、优选的，所述s2中药物样品进行预处理具体包括：根据被检测需求，对药物样品进行预处理，首先除去药物杂质、纯化样品，以及对被检测药物样品进行富集浓缩和衍生化，使药物样品的形式及所用溶剂符合分析测定的要求，完成对药物样品的预处理。

11、优选的，所述s2中药物样品进行粉碎具体包括：根据被检测需求，对预处理完成的药物样品进行粉碎，首先将药物样品放入粉碎机中，通过筛板对粉碎后的粉末进行过筛，使达到过筛需求的粉末通过筛孔，对通不过筛孔的药物继续粉碎，使其全部通过筛孔，进行检测备用。

12、优选的，所述s2中的药物样品提取和检测分析具体包括以下步骤：

13、步骤一、取适量粉碎后的药物进行称量，然后使用溶剂对粉碎后的药物进行提取，使被测组分和共存组分溶解出来，与滤渣进行分离后，再对被测组分进行含量测定；

14、步骤二、将被测组份放置到检测仪器中进行检测，得到药物成分以及含量。

15、优选的，所述通过溶剂对药物成分进行提取中的提取方法包括冷浸法、回流提取法、连续回流提取法、超声提取法、超临界流体提取法中的一种。

16、优选的，所述s3中的用药风险数据库包括药物-疾病信息、临床指标预警值、药物相互作用信息、药物不良反应信息和药物风险评估信息，所述药物风险评估信息包括临床信息和用药方案。

17、优选的，所述s4中所述化学信息学的方法包括：分子结构相似性比较方法和特征结构辨识方法，所述分子结构相似性比较方法基于待测药物成分的分子结构与已知毒性的分子结构相似度判断，预测化合物具有相关毒性的概率；所述特征结构辨识方法基于待测药物的化合物是否具有已知毒性特征结构，预测化合物是否具有相关毒性。

18、优选的，所述s6中风险预测之前还包括人体过敏性实验，所述人体过敏性实验具体包括先将需要检测的可能过敏的药物样品作为溶质，溶解于溶剂中配制成浓度为10-20％的检测用试剂，再将所得的试剂按药物斑贴试验对人体进行过敏测试即可。

19、优选的，所述溶剂为去离子水。

20、与现有技术相比，本发明的有益效果是：

21、(1)本发明通过先对待测药物的质量进行检测，能够防止待测药物出现受潮变质的情况，通过挑选质量合格的待测药物，从而降低质量不合格药物中的其他风险因素对待测药物风险预测结果造成影响，有利于降低预测误差；

22、(2)本发明通过药物成分获取、数据对比和药物毒性评价，通过对药物样品进行预处理、粉碎、提取和分析，能够方便获取药物成分以及含量，通过与用药风险数据库中的已知的药物信息进行对比，方便检测药物药物成分以及含量是否合格，另外通过采用化学信息学的方法，对获取的药物成分逐一进行毒性评价预测，从而提高了药物风险预测的准确性；

23、(3)本发明通过模拟实验，在动物与人体之间建立量效关系模型，从而将药物作用在动物身体上的风险转化为作用在人体上的风险，从而增加了药物风险预测时的安全性。

技术特征：

1.基于人工智能技术的药物风险预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于人工智能技术的药物风险预测方法，其特征在于：所述s1中药物质量检测具体包括对待测药物的生产日期进行获取、对待测药物的保质日期进行获取以及检测待测药物是否受潮变质。

3.根据权利要求1所述的基于人工智能技术的药物风险预测方法，其特征在于：所述s2中药物样品进行预处理具体包括：根据被检测需求，对药物样品进行预处理，首先除去药物杂质、纯化样品，以及对被检测药物样品进行富集浓缩和衍生化，使药物样品的形式及所用溶剂符合分析测定的要求，完成对药物样品的预处理。

4.根据权利要求3所述的基于人工智能技术的药物风险预测方法，其特征在于：所述s2中药物样品进行粉碎具体包括：根据被检测需求，对预处理完成的药物样品进行粉碎，首先将药物样品放入粉碎机中，通过筛板对粉碎后的粉末进行过筛，使达到过筛需求的粉末通过筛孔，对通不过筛孔的药物继续粉碎，使其全部通过筛孔，进行检测备用。

5.根据权利要求4所述的基于人工智能技术的药物风险预测方法，其特征在于：所述s2中的药物样品提取和检测分析具体包括以下步骤：

6.根据权利要求5所述的基于人工智能技术的药物风险预测方法，其特征在于：所述通过溶剂对药物成分进行提取中的提取方法包括冷浸法、回流提取法、连续回流提取法、超声提取法、超临界流体提取法中的一种。

7.根据权利要求1所述的基于人工智能技术的药物风险预测方法，其特征在于：所述s3中的用药风险数据库包括药物-疾病信息、临床指标预警值、药物相互作用信息、药物不良反应信息和药物风险评估信息，所述药物风险评估信息包括临床信息和用药方案。

8.根据权利要求1所述的基于人工智能技术的药物风险预测方法，其特征在于：所述s4中所述化学信息学的方法包括：分子结构相似性比较方法和特征结构辨识方法，所述分子结构相似性比较方法基于待测药物成分的分子结构与已知毒性的分子结构相似度判断，预测化合物具有相关毒性的概率；所述特征结构辨识方法基于待测药物的化合物是否具有已知毒性特征结构，预测化合物是否具有相关毒性。

9.根据权利要求1所述的基于人工智能技术的药物风险预测方法，其特征在于：所述s6中风险预测之前还包括人体过敏性实验，所述人体过敏性实验具体包括先将需要检测的可能过敏的药物样品作为溶质，溶解于溶剂中配制成浓度为10-20％的检测用试剂，再将所得的试剂按药物斑贴试验对人体进行过敏测试即可。

10.根据权利要求9所述的基于人工智能技术的药物风险预测方法，其特征在于：所述溶剂为去离子水。

技术总结
本发明公开了基于人工智能技术的药物风险预测方法，包括以下步骤：S1.药物质量检测：取待测药物，对待测药物进行质量检测，取质量检测合格的待测药物备用作为药物样品；S2.药物成分获取：取药物样品，通过所述药物样品进行预处理、粉碎、提取和分析，获取药物成分以及含量；S3.数据对比；S4.药物毒性评价：采用化学信息学的方法，对获取的药物成分逐一进行毒性评价预测；S5.模拟实验；S6.风险预测。本发明通过先对待测药物的质量进行检测，能够防止待测药物出现受潮变质的情况，通过挑选质量合格的待测药物，从而降低质量不合格药物中的其他风险因素对待测药物风险预测结果造成影响，有利于降低预测误差。

技术研发人员：李晓
受保护的技术使用者：仟安链（苏州）生物信息科技有限公司
技术研发日：
技术公布日：2024/1/15