临床药学 × 数据资源 × 机器学习

联合用药数据资源与智能分析研究构想

以条件化证据抽取为起点，把药物组合、真实暴露与患者病程连接起来。拟主导数据库、数据提取、建模与误差分析，再围绕慢病多药或抗感染治疗收敛一个临床主任务。

完整材料与下载

面向邓科君老师及合作研究群的沟通材料

合作定位

不仅提供病例或做末端验证，而是从任务定义到分析实现承担研究责任。首期不同时启动多个博士课题；数据权限、伦理、字段质量与观察覆盖按项目落实。

拟研究的问题

一条主线，逐步收敛

先检验条件与来源信息能否改善证据质量，再在一个明确临床任务中检验真实暴露和复杂联用信息的增量。

01 / 公开资料可先行

条件化证据与抽取

同一药对的结论差异，有多少来自制剂、浓度、接触方式和来源依赖？

拟主导工作: 设计实体与证据域；实现词典、条件抽取、单位校验、原文定位和双人审校。
比较与产物: 规则／通用抽取／约束抽取比较；交付主题证据集、独立测试集、错误与人时报告。

方法与评价边界

按研究家族、来源与时间隔离测试；同时报告字段准确性、否定与条件遗漏、制剂误合并和来源定位，不以总体F1掩盖严重错误。

02 / 承接既有模型

条件化预测与适用域

条件表示是否改善新制剂、新条件和未见药物下的预测，而非只提高随机留出分数？

拟主导工作: 审校标签、分割数据、实现指纹加条件的树模型及药对加规则等强基线。
比较与产物: 与团队共同研究条件编码和跨域学习；交付条件化基准、消融与拒判分析。

方法与评价边界

四域独立输出，检验负迁移；缺条件记录不混入条件真值测试。报告覆盖率、风险与错误相容判断，不将旧标签改名为患者结局。

03 / 获批后择一聚焦

真实暴露与动态分析

完整方案和治疗阶段，能否提供超出两两DDI数量与常规临床变量的信息？

拟主导工作: 实现院内ETL、实际给药与episode构建、组合和序列挖掘、回归及梯度提升基线。
比较与产物: 逐层加入实际暴露、条件证据和方案表示；交付队列定义、可复现分析与误差解释。

方法与评价边界

患者分组、时间留出；训练内插补与调参、独立校准。预测与治疗相对效应另立任务；SHAP或倾向评分不能替代因果识别。

团队依据与拟议增量 · DeepIDC、MDDC、ACRM及机制资源

已有研究与拟议增量

准确承接，不重复命题

以下区分邓老师参与研究与合作研究群资源背景，不据网站汇总推定所有资源由其独立主持或当前项目安排。

DeepIDC: 已有：注射剂配伍参考表标签预测，原文已讨论浓度、溶剂限制。
拟增加：保留原标签谱系，重审混合证据域；建立跨制剂、跨条件和来源隔离测试。旧IDC标签不是患者ADE。
Clinical Pharmacokinetics 2022 · 原文
MDDC: 已有：DCI与DDI双任务；DDI为药代变化与不良作用类别，不是患者有无伤害。
拟增加：研究标签粒度、来源依赖、条件化表示及跨域信息迁移何时有效。
IEEE BIBM 2024 · 原文
ACRM: 已有：临床抗菌药共处方与有效性信息建模，报告独立回顾队列评价。
拟增加：另行冻结患者—治疗阶段任务，连接实际给药、剂量与患者状态。当前依据为已核公开摘要和出版预览，完整正文及补充方法待取得；不声称已复现或完成外部验证。
International Journal of Antimicrobial Agents 2024 · 摘要
P450与资源: 已有：P450Rdb等机制资源与TCM2COVID等数据库积累。
拟增加：组织人体相关证据及适用条件，辨别机制到患者证据的断点。P450催化底物关系不直接等于抑制、诱导或临床DDI。
P450Rdb · 原文 · TCM2COVID · 索引

慢病与中药研究如何衔接

疾病识别、组学机制和治疗策略相对效果属于不同任务。拟将糖尿病加药、实际暴露、共同用药与停换原因落实为数据对象；中药扩展先保留产品／组方版本、剂量与共同治疗，再检验分子信息增量。没有标准化产品与可追踪疗程时，不承诺昂贵组学闭环。

糖尿病联合治疗获益风险综述 · 中药质量与疗效框架

外部文献仅在主动点击时联网；详细核验层次及引用见配套材料。

任务语义先于模型

四种问题，分别作答

一个组合可以有不同层面的结论；允许信息不足，不把未知填成阴性，也不把证据标签当成临床结局。

体外配伍与稳定性

记录制剂、浓度、溶媒、温度、接触方式及时间，区分外观、颗粒、含量和降解。未见沉淀不等于化学稳定，体外不相容也不直接等于患者伤害。

体内PK／PD相互作用

保留影响方向、剂量、顺序、人群及AUC、Cmax或药效指标。暴露或药效变化与临床伤害分别判定，不从机制关系直接推断临床后果。

患者安全事件

保留实际暴露、事件时间、对照、分母及归因过程。观察到的事件与药物相关性裁定分开；自发报告信号不用于估计发生率。

临床疗效

明确适应证、治疗阶段、可比策略、共同治疗和随访终点。处方频次、体外协同、药师判断与临床疗效不是同一标签。

两类资源与一条证据连接链

让数据结构服务科学问题

成分、产品、条件、时间与版本共同连接证据和患者；仅药名相同，不意味着证据适用。

条件化联合用药证据资源

每条记录是一个可定位的“条件—观察／声明”，保存原值、标准值、原文页表、证据域、审校状态与来源许可。同药对可有多种条件；三药以上方案保留整体，不机械拆成两两因果关系。

成分／制剂 → 来源／研究 → 条件与方案 → 终点 → 结论与证据关系

可执行查询

解释同药对跨条件差异；识别共享研究和真正矛盾；追查P450机制线索到人体PK与安全证据。

纵向临床药学队列

复用OMOP基础模型并增加药学扩展。区分医嘱、发药、实际给药、同管接触及药理作用窗口；保存发生时间与信息可得时间，防止未来检验或停换原因倒灌。

源系统 → 可追溯ETL → 药学事件 → 治疗阶段 → 冻结队列

桥接比较

比较按药名、药对标签与完整条件／时间连接的正确率、可判断覆盖率与复核工时。返回适用、不适用或关键条件缺失，不自动生成用药行动。

原型与治理的具体边界

可先以约20–30个成分、约100条证据卡试跑；这是流程设计规模，不是已取得样本或效力依据。医院数据仅在审批后进入受控环境；可公开字典、代码、规范与合成示例。资源比较应覆盖DDInter、Stabilis和OMOP等既有基础，不以“首次建库”代替研究增量。

两项默认配置，供择一收敛

两项具体研究设计

均为可调整的拟议研究，不是治疗建议、已获批方案或已验证最优策略。完整纳排、观察覆盖和降级条件见24页附件。

示范卡一 · 慢病

2型糖尿病加药后的应答与持续性

慢病加药后的应答与持续性；预测与相对效应分别研究。

拟交付

资格与暴露SQL、回溯／窗口测试、患者及缺失流程图、锁定时间测试集和可复现应答分析。

展开完整对象、终点、比较设计与降级条件

对象与起点：成人2型糖尿病，既有二甲双胍记录至少90日，180日未使用被比较药类，首次新增DPP4抑制剂或SGLT2抑制剂，以首次处方为index，不等同首次服用。

终点：第60–120日内最接近90日的HbA1c，等距取较早值；调整index前90日内已可见的最近基线。第120日前续方与停换原因另作持续性代理，安全单独定义。

先做：回归／梯度提升，阶梯加入暴露与条件化证据，报告MAE、RMSE、校准和分层误差。

相对效应分析与降级条件

两种策略须在患者临床条件下均可考虑，识别心衰、慢性肾病、禁忌及费用等选药原因；共同支持不能替代可交换性。另行制定效应估计方案，不把预测差当疗效差。保留测量实际日期、失访和共同治疗变化；可比性不足不做相对效应，随访严重缺失则先研究暴露与持续性。

示范卡二 · 抗感染

肺炎抗感染治疗48小时复评

48小时可见信息下的当前问题复评与未来肌酐变化，分别评价。

拟交付

48小时可见信息回放、episode算法、标签手册、独立校准与测试、严重错误清单及拒答策略。

展开完整对象、终点、比较设计与降级条件

对象与起点：成人非ICU、启动静脉系统抗菌治疗的肺炎患者，以本感染episode首次实际抗菌给药后48小时为index，仅纳入此时存活、仍住院且待复评者。

两个独立任务：当前剂量／肾功能不匹配、重复覆盖、必要监测缺失，由两名药师盲法裁定；未来72小时已观测肌酐峰值相对前24小时最近可见基线的变化，另建连续预测任务。

先做：冻结规则、药物数量／药对风险、临床变量、实际给药、条件化方案表示的阶梯比较。

终点边界与降级条件

肌酐变化不是AKI诊断，更不是已归因于DDI的伤害或抗菌疗效。未来缺测不填零，死亡、出院与检测频率单列；48小时后才可见的信息不入模型。规则生成标签时承认规则的结构性优势；分别报告当前问题PPV／灵敏度与复核负担、连续终点误差与校准。缺执行时间降为处方复评，肌酐不足仅保留当前问题任务。

可检查的阶段产物

以进入条件推进，而非成果承诺

首先完成公开证据方法原型，再依团队优先级与院内可行性，选择慢病或抗感染主任务。

公开原型

主题边界、词典、真实来源证据卡、合成时间线与可执行查询；核查许可及原文追溯。

主题证据集

双人审校、冻结测试、抽取和条件化预测基线；判断证据覆盖是否支持任务。

院内可行性

获批后核查执行字段与随访，评价暴露误分类；不满足条件时降级任务。

聚焦研究

选择一个临床主任务，完成基线、方法改进和独立评价；有依据再拓展。

个人基础与合作责任

亲自承担数据与方法工作

以临床药学、抗感染与信息药师背景，将药学问题转成可计算、可复核的研究任务。

已有基础与拟主导内容

目前负责医院临床药学工作；药学本科、中药学硕士；有FAERS药物安全研究与论文经历，以及三项人工智能与药物安全相关项目经验。

主导四域标签、产品词典、数据库、证据提取、ETL与暴露测量。
亲自完成规则、回归、机器学习与组合挖掘基线，开展消融、误差与数据质量分析。
承担队列定义、分析实现、药学解释、规范与版本发布，而不只提供数据。

与团队共同推进

结合团队分子表示、多任务建模与资源建设积累，研究条件编码、跨域学习及复杂方案表示。
与临床、护理、静配、信息及统计合作者核实暴露来源、终点和识别假设。
必要的配伍、机制、药代或组学实验依托合格平台，另行落实伦理、样本与合作，不作为本人独立完成全链条实验的前提。

希望进一步讨论

首先以哪一组公开证据和抽取任务建立可复核的方法原型？
慢病加药与抗感染复评中，哪一项最契合团队价值及可用条件？
如何结合团队表示学习与机制积累，形成可独立检验的增量？