伴隨著醫(yī)療文獻數(shù)據(jù)庫的快速增長，缺乏經(jīng)驗的初級醫(yī)師在為患者開處方時難以閱讀大量的醫(yī)療文獻來獲得科學的決策輔助。2013年提出的MedRank算法從Medline數(shù)據(jù)庫中提取醫(yī)學信息異構星型網(wǎng)絡，基于“有療效的藥物是由好的文章提及的，好的文章是由優(yōu)秀的作者寫的并刊登在高水平的期刊上”的假設，旨在為各類疾病的患者推薦最具有療效的藥物。該算法仍然存在幾個問題：1）模型輸入的疾病不是獨立的疾??；2）推薦的結果不是具體的藥物；3）沒有考慮文章的發(fā)表時間等其他因素；4）沒有定義判定作者、期刊、文章是“好的”的標準。對以上問題進行了研究并提出HIC-MedRank算法，該算法納入作者的H指數(shù)、期刊的影V向因子、文章的引用數(shù)作為評判作者、期刊、文章是否優(yōu)秀的指標，并綜合考慮文章的發(fā)表時間、支持機構、發(fā)表類型等因素，為高血壓合并慢性腎臟?。–KD）患者推薦最佳的降壓藥物。在Medline數(shù)據(jù)集上的實驗結果顯示HIC-MedRank推薦的藥物比MedRank算法推薦的藥物更為精準，與主治醫(yī)師投票選擇的藥物較為一致，與美國成人高血壓治療指南（JNC）推薦的藥物一致性達到80%。
?