目的:本课题以含三七皂苷中药注射液为例,探索并建立可用于临床的基于患者个体化特征的高灵敏度、高特异性前置药物不良反应预测系统,为临床工作者提供相关用药建议,降低不良反应发生的风险。方法:通过巢式病例对照与处方序列分析相结合的研究思路,在四川省5家医院收集使用血塞通注射液、血栓通注射液后发生不良反应患者的数据,汇总个人信息、所患疾病、合并用药、不良反应预后等信息。并按照1:4用匹配和随机的方式选择未发生不良反应的患者,形成两组样本量为530的数据集。通过传统数理统计研究方法,探索其不良反应相关的影响因素。然后,采用K最近邻、支持向量机、随机森林、梯度提升决策树四种机器学习算法构建模型,筛选表现最优的分类器,最终建立血塞通、血栓通注射液的药物不良反应网络预测平台。结果:1、不良反应人群主要为45-59岁、教育程度为初中及以下的中年人,女性发生比例略高于男性。其中,人群里所患疾病较多的是骨科疾病、心脑血管疾病、消化系统疾病,联合用药中出现次数较多的为地塞米松磷酸钠注射液、泮托拉唑、氨氯地平。大部分不良反应发生时间出现在1天内,不良反应严重程度为中度的人数居多,不良反应累及器官最多的为皮肤及其附件损害,其次是全身性损害,呼吸系统损害。2、采用传统的数理统计方法研究影响三七皂苷药物不良反应的相关风险因素,结果发现其不良反应的发生可能与患者的个人情况、所患疾病、合并用药、生化检查指标等都有关联。3、利用Python语言在Pycharm中构建模型,其中随机组中梯度提升决策树模型与SMOTE过采样算法相结合的分类器表现最优,准确率为83.65%、AUC值大于90%。将其应用于Web应用框架Django中,建立含三七皂苷成分中药注射液的药物不良反应网络预测平台。结论:通过机器学习建立的预测模型可以对使用三七皂苷注射液的患者是否出现不良反应进行分类,应用网络平台能简便快速地为临床工作者提供预测结果及相关建议,对识别和筛查药物不良反应高风险人群具有较高的实用价值。