一种基于人工智能的病证标志物预测算法及其应用

本发明提供了一种基于人工智能的病证标志物预测算法并在银翘清热片和金红片中进行应用。本发明首先构建了基于预训练模型的低维向量嵌入方法对疾病/表型/证候和分子进行特征智能提取。本发明构建了一个单分类自编码器神经网络模型用于筛选负样本，将数据集划分为预训练数据集和微调数据集。进而，提取的疾病/表型/证候和分子特征，设计基于互注意力机制的病证标志物预测算法。最后，采用该方法分别对银翘清热片干预风热兼燥证感冒、金红片干预肝胃不和证慢性浅表性胃炎两个实施例进行解析。实验结果表明，本发明的方法在疾病/表型和分子关联预测性能上要优于基线方法，在证候和分子关联预测性能上优于基线方法且优于两种广泛使用的工具。本发明的方法推动了个性化治疗的发展，通过病证标志物的预测，能够根据个体的疾病和证候状态预测可能的标志分子，推动中医药诊疗向更精确的方向发展，并为临床实践提供客观的技术支持。