原文链接：http://tecdat.cn/?p=997
原文出处：拓端数据部落公众号
概要
方剂药效与剂量的关系中药不传之秘在于剂量中药配伍法则。拓端数据应用数据挖掘技术对海量的在线医院药物复方历史数据进行智能剖析，并从中找出药物配伍的法则。
业务挑战
西医传承过程中，对于生理、病因病机以及疾病的体现和倒退法则，都容易记录在书上，也容易了解和传承。然而随着医药科技的不断进步, 新特药品的的品种的一直呈现, 给药物配伍又一次新挑战。同时，为了摸索低廉中药材是否有其余便宜替代品的问题，对药物的配伍法则和性味归经形容来掂量药物的类似度，依据类似度对药物进行聚类。
药物配伍查问解决方案设计
关联规定模型
联合机器学习办法、数据清理、集成、变换和规约等技术对中医药方中原始数据进行了规范化解决，并用关联规定模型对药物配伍关系进行开掘。
关联规定能够反映一个事物与其余事物之间的相互依存性和关联性应用关联规定开掘算法, 找到中药之间的高频组合以及强关联关系。
失去最罕用的药物配伍——对反对度和置信度进行排序
规定前项 规定后项 反对度 置信度 晋升度
{附子} => {桂枝} 0.1824324 0.7500000 2.413043\[2\]
{桂枝} => {附子} 0.1824324 0.5869565 2.413043\[3\]
{附子} => {白芍} 0.1689189 0.6944444 1.605903\[4\]
{白芍} => {附子} 0.1689189 0.3906250 1.605903\[5\]
{牛膝} => {杜仲} 0.1689189 0.6756757 1.754386\[6\]
{杜仲} => {牛膝} 0.1689189 0.4385965 1.754386\[7\]
{续断} => {独活} 0.1756757 0.7027027 2.418605\[8\]
{独活} => {续断} 0.1756757 0.6046512 2.418605\[9\]
{续断} => {杜仲} 0.1891892 0.7567568 1.964912\[10\]用网络图对罕用的药物配伍关系进行可视化
聚类模型
更好的辨别不同品种的药物配伍关系——聚类
为了解决低廉中药材的便宜替代品问题，对药物的配伍法则和性味归经形容来掂量药物的类似度，依据类似度对药物进行聚类。通过理疗措施之间的相似性进行聚类，相当于医治计划空间上的粗粒化。
网络图对每个品种进行可视化
药物配伍查问零碎的实现
通过建设实用于临床的药物配伍查问零碎, 不便医务人员适时适时查问药物配伍及药品信息, 促成临床正当用药。
最初，随着政府、企业、科研机构加大对智慧医院精准医疗的资源投入，大数据将继续施展精准医疗倒退助推器作用，推动精准医疗产业倒退。
最受欢迎的见解
1.Python 中的 Apriori 关联算法 - 市场购物篮剖析
2.R 语言绘制生存曲线预计 | 生存剖析 | 如何 R 作生存曲线图
3. 用关联规定数据挖掘摸索药物配伍中的法则
4. 通过 Python 中的 Apriori 算法进行关联规定开掘
5. 用关联规定数据挖掘摸索药物配伍中的法则
6. 采纳 SPSS Modeler 的 Web 简单网络对所有腧穴进行剖析
7.R 语言如何在生存剖析与 COX 回归中计算 IDI，NRI 指标
8.R 语言如何找到患者数据中具备差别的指标？（PLS—DA 剖析）
9.R 语言中的生存剖析 Survival analysis 早期肺癌患者 4 例