基于多数据源与机器学习的药物副作用预测

药物不良反应是疾病治疗过程中一个非常重要的考虑因素,为了指导医生有效避免或减少药物不良反应,提出一种基于多数据源与机器学习的药物副作用预测方法,将患病前后和用药前后基因的表达量变化情况作为解释变量,利用随机森林算法对药物副作用进行预测,发现使用随机森林算法针对5种副作用的测试结果都优于传统的K近邻算法,其中副作用皮疹的测试准确率达到90.24%,相比K近邻算法提升了31.70%。结果表明,利用基因表达量变化情况这一特征可以很好地预测药物副作用,同时也说明副作用的发生和基因表达量变化情况具有很强的相关性。