SDPR:在传统中医中对综合征有区分的处方建议

科学领域:

• 计算医学是一种计算医学.
• 医疗保健中的人工智能
• 传统中国医学 (TCM) 是一种

背景情况:

• 传统中医药的处方建议依赖于综合征分化 (SD),这是一个多步骤的过程.
• 现有的模型往往通过省略治疗方法来过度简化SD,导致信息丢失和效率降低.
• 综合症,方法和草药之间的复杂,隐含的关系挑战了准确的建模.

研究的目的:

• 提出一种新的四部分图形范式,用于在TCM中建模完整的SD过程.
• 开发SDPR模型,与SD的四个关键步骤保持一致:症状,综合征,治疗方法和草药.
• 提高TCM处方建议的准确性和临床相关性.

主要方法:

• 开发了一个四部分图表,明确模拟症状,综合征,治疗方法和草药之间的相互作用.
• 构建了SDPR模型,其中有四个模块反映了SD过程,通过多任务学习集成.
• 员工综合征诱导的预训练和治疗方法 - - 意识到对比性学习来处理复杂的关系.

主要成果:

• 拟议的四部分图形范式有效地保留了整个SD过程中的关键信息.
• 在草药推和处方检索任务中,SDPR表现出显著的有效性.
• 在公共和现实世界数据集上的实验验证证证了该模型的实力.

结论:

• 新的四部分图形范式准确地代表了TCM中完整的SD过程.
• SDPR提供了一种有效的方法,用于智能TCM处方建议,与临床逻辑保持一致.
• 这项工作促进了TCM在医疗保健中的智能发展.