慢性阻塞性肺疾病合并抑郁症的动态多模网络模型研究

Currently, the treatment of Chronic Obstructive Pulmonary Disease (COPD) complicated with depression confronts enormous challenges. Constructing an effective network model of COPD complicated with depression is not only the most important task but also the core step for exploring the suitable method to deal with such a disease. Therefore, it is the key scientific problem to be solved. In order to analyze relationships among various elements as well as their evolution patterns in COPD complicated with depression, we will carry out a series of scientific research by using theories and methods of all sorts, such as dynamic multi-mode network model, uncertain data mining, bi-directional link prediction, multi-mode co-clustering, generalization theory and medical science methods as well. Our work contains the dynamic multi-mode network model, correlation method, mining method for various uncertain data, personalized treatment method and the optimization of above methods. Based on our research results, we will reveal the pathogenic and evolution law of COPD complicated with depression, and further propose a set of theory and technology for personalized treatment of COPD complicated with depression. Our study will benefit a lot to the target treatment of COPD complicated with depression. Furthermore, it will expand the real-life application of network science and artificial intelligence, and meet the needs of traditional Chinese medicine modernization.

目前，慢性阻塞性肺疾病（COPD）合并抑郁症的治疗面临巨大挑战。如何构建有效的COPD合并抑郁症网络模型，是探寻该病针对性治疗方法的基础与核心，是目前亟待解决的关键科学问题。本项目拟综合运用动态多模网络、不确定数据挖掘、双向链路分析、多模联合聚类、泛化理论及医学科学的理论和方法，针对COPD合并抑郁症治疗中诸要素之间的关系以及关系的演化规律，开展一系列科学问题研究，包括：COPD合并抑郁症动态多模网络模型及关联方法研究；面向多种不确定性的COPD合并抑郁症数据挖掘方法研究；COPD合并抑郁症个性化治疗方法研究以及上述方法的优化研究。籍此揭示COPD合并抑郁症的致病机理和演化规律，提出一套COPD合并抑郁症个性化治疗的理论与技术体系。本项目不仅为当前寻找COPD合并抑郁症的针对性治疗方法提供理论和技术支撑，也拓展了网络科学和人工智能研究的应用领域，而且对促进中医现代化具有重大意义。

近年来，慢性阻塞性肺疾病(Chronic Obstructive Pulmonary Diseases，COPD)合并抑郁症受到世界广泛重视。事实表明，COPD合并抑郁症的治疗遇到巨大挑战。网络科学则为研究该病提供了崭新而有效的方法。然而，如何建立有效的COPD合并抑郁症网络模型，是目前亟待解决的关键科学问题，极具挑战性。本项目运用动态多维网络、链路预测、不确定数据挖掘、稀疏学习及医学科学理论，针对该病治疗中诸要素之间的关系以及关系的演化规律等，建立动态多维网络模型并加以分析，导出相应的关联算法、演化算法、事件模式挖掘算法、个性化治疗算法，籍此揭示COPD合并抑郁症的致病和演化规律。本项目属于网络科学与医学的交叉前沿方向，研究COPD合并抑郁症的建模与分析方法，不仅可以拓展网络科学研究的应用领域和满足医学现代化的需要，而且对解决当前寻找COPD合并抑郁症的针对性治疗方法的问题意义重大。.本研究执行时间为2017年1月-2020年12月，按原计划完成项目预定目标，包括：1）每年按时提交项目年度进展报告；2）实现了COPD、抑郁症建模理论与算法，完成了基于多模态的COPD、抑郁症的检测和判定方法；3）在国内外高水平学术期刊和学术会议上发表文章60余篇；4）集成上述研究成果和核心算法，授权发明专利15项和软件著作权3部；5）培养博士研究生4名，其中毕业2名，培养硕士研究生50名，其中毕业16名。.本项目多项创新性成果，包括：基于共享最近邻的快速密度峰聚类算法、基于注意的上下文感知序贯推荐模型、基于多粒度语义词典和多模态树的中医命名实体识别方法、基于医学表征学习的时间序列事件临床预测模型、基于知识图和集成模型的慢性阻塞性肺病诊断、基于多模态特征的抑郁倾向融合识别、药物不良反应预测叠加深度异构信息网络嵌入方法、基于特征最大依赖的COPD融合诊断方法，等。.本项目执行期间，项目负责人还主持完成了山东省科技攻关项目，山东省教育厅科技攻关项目等。这些项目的研究和实施，使本项目的研究与应用有了紧密的结合，促进了本项目研究成果落地。