合理用药是指安全、有效、经济地使用药物。儿童作为一个特殊的群体,身体各方面的器官和生理功能尚未发育成熟,药物代谢能力较为脆弱,容易出现不良反应等用药风险,为此需要特别重视儿童合理用药问题。然而,目前儿科临床的不合理用药问题仍比较突出,一方面在于儿童用药中适宜的品种、剂型和规格较为缺乏,另一方面在于临床用药实践中存在超说明书用药等不规范现象,给儿童合理用药带来潜在风险。随着医院信息化的深入,一些医院已开始使用合理用药决策支持软件对儿科用药进行审查,以减少用药错误。这些软件以临床用药资料为基础所构建的药物信息平台,通过制定用药审核规则对用药行为进行规范审核和风险提示。然而,由于儿童临床用药资料缺失导致用药信息的准确性、可靠性、全面性难以得到保障,且这些系统的审核规则智能化程度不高,判断规则缺乏灵活性,因此在临床使用中出现的无效警示比例较高,使医生对警示信息的依从性下降,降低合理用药软件的作用。目的:本研究拟通过案例分析已有合理用药软件在儿科医院的应用情况,总结儿科医院使用此类软件存在的问题。在此基础上,探索大数据技术在儿童合理用药中的应用,进而提出基于处方大数据的儿童合理用药风险评价方法,为保障儿童合理用药提供决策支持。方法:本文提出一个基于处方大数据的儿童合理用药评价平台,通过大数据分析技术自动建立用药知识库,通过人工智能技术自动学习医生的用药模式,着重研究儿童用药剂量风险评价和决策支持、儿童药品联用风险评价和决策支持两个典型应用。为医生开方提供合理用药依据,也为药师审方提供决策支持。儿童用药剂量风险评价和决策支持部分,以两家三甲医院儿科处方大数据为依据,利用Apache Spark分布式计算框架提取不同药品的用药剂量历史记录,以及其对应的患儿生理信息、适应症类型、合并用药种类等相关特征因素。使用神经网络和集成学习等人工智能技术,基于机器学习库MLlib建立不同药品的用药剂量关于上述特征因素的混合预测模型,在此基础上对新的处方用药剂量进行风险评价,从而为医生开方和药师审方提供决策依据。儿童药品联用风险评价和决策支持部分,以两家三甲医院儿科处方大数据为依据,利用Apache Spark分布式计算框架提取不同药品的用药频率、联用历史等用药信息。使用知识图谱等人工智能技术,基于图模型计算库GraphX建立不同药品之间联用的概率图模型,在此基础上利用子图搜索算法,对新的处方中的药品联用进行风险评价,从而为医生开方和药师审方提供决策依据。结果:通过对两家三甲医院儿科处方大数据进行清洗、整理后,分别得到254 824条和4 508 331条用药记录。在儿童用药剂量风险评价和决策支持方面,所提出的模型在两个数据集上的剂量预测误差约为12.5%和21.3%,能够较为准确地对不同年龄体重、适应症、合并用药情况下的患儿用药剂量进行预测。在此基础上进行的问题处方用药剂量风险评价结果达到96.3%的召回率,能够较灵敏地发现不合理用药剂量。在儿童药品联用风险评价和决策支持方面,所提出模型在两个数据集上分别构建了包含376个节点和460个节点的药品联用知识图谱。基于子图搜索算法对药品联用风险进行评价,其准确率均高于99.8%,能够较准确地判断不同药品联用模式是否存在风险。结论:电子处方大数据覆盖了患者在医院诊断治疗过程的详细记录,蕴含了医生和药师在临床用药实践中的宝贵经验,对理解、预测和评价儿科医院的临床用药模式和用药风险具有重要意义。通过大数据技术和人工智能算法,能够有效提取与合理用药相关的影响因素,自动建立用药知识库,主动学习医生的用药剂量模式和药品之间的联用模式,从而构建智能、灵活、个体化的合理用药评价平台,进而在儿童用药剂量建模与风险评价、儿童药品联用建模与风险评价等方面为医生和药师提供决策支持。