引言

药物重定位通过已有药物或候选药物寻找新的疾病关联，可为候选筛选提供参考。药物—疾病关联预测通常产生包含药物、疾病、预测分数、排名和证据说明的大量结果，因此需要统一保存、检索和展示。

现有结果常以Excel、CSV或文本文件保存，数据量增加后易出现管理分散、筛选效率低和分数分布不直观等问题。罕见病注册系统建设与数智化升级也表明，研究数据需要规范组织和辅助使用。为此，有必要构建轻量化系统，对既有结果进行结构化管理和可视化展示。

本文采用前后端分离架构：后端以Spring Boot和MyBatis-Plus提供REST接口，MySQL保存业务数据；前端以Vue3、Element Plus、Axios和ECharts实现交互与图表。系统提供登录、基础信息管理、预测结果管理、条件查询、CSV导出和可视化分析等功能。

本文重点是对上游研究已产生的预测结果进行管理和展示，不涉及模型训练、实时推理或临床推荐；展示结果仅用于科研辅助分析。

1 系统相关技术概述

1.1 Spring Boot后端技术

Spring Boot与Vue前后端分离架构已用于医疗业务管理系统。本系统后端采用Spring Boot，负责登录校验、统计、基础信息维护、预测结果管理和条件查询等接口功能。

1.2 Vue3与Element Plus前端技术

前端采用Vue3和Vue Router构建登录、首页、基础信息、预测结果与可视化等页面，并对未登录访问进行页面引导。

1.3 MySQL数据库技术

MySQL数据库drug_disease_system包括管理员、药物、疾病和预测结果四张核心表，用于保存登录信息、基础数据和既有候选关联结果。

药物、疾病与预测结果通过业务编号形成逻辑关联，未设置物理外键，系统依靠表单和业务校验减少错误数据录入。

1.4 ECharts可视化技术

系统使用ECharts展示Top 10高分候选关联和预测分数区间分布。

2 系统需求分析

2.1 系统功能需求

系统面向既有药物–疾病关联预测结果，提供整理、检索、展示和可视化工具；结果仅用于科研辅助分析。

系统支持管理员登录和基础访问控制。首页展示药物、疾病和预测结果数量、平均分数、高置信数量及Top 5候选关联。

药物和疾病模块维护编号、名称、类型或ORPHA ID等基础信息；ORPHA ID等罕见病标识可参照Orphanet及相关数据研究，并支持查询、新增、编辑、删除和必要字段校验。

预测结果模块展示药物、疾病、分数、排名和证据说明，支持组合筛选、详情查看和CSV导出；可视化模块展示Top 10结果与分数区间分布。

2.2 系统数据需求

系统数据包括管理员、药物、疾病和预测结果。预测结果记录药物、疾病、分数、排名和证据说明等字段。

预测结果通过药物编号和疾病编号与基础数据建立逻辑关联；关键字段经前后端校验。

2.3 系统非功能需求

系统要求导航清晰、交互一致，并便于后续维护。

系统采用前后端分离结构；预测分数限定为0至1，排名为正整数，并提示空值或非法输入。系统不宣称具备高并发、生产级安全认证或临床决策支持能力。

3 系统设计

3.1 系统总体架构设计

系统采用前后端分离架构：前端负责交互和可视化，后端负责接口与业务逻辑，MySQL保存业务数据，如图1所示。

3.2 系统功能模块设计

系统包含登录、首页、药物管理、疾病管理、预测结果管理、条件查询、详情、CSV导出和可视化模块，如图2所示。

核心模块维护既有预测结果，支持分数降序筛选、详情提示和CSV导出；详情仅为基于分数区间的规则化提示，不代表机制或临床证据。

系统功能模块结构如图2所示。

3.3 数据库设计

数据库包括admin_user、drug_info、disease_info和prediction_result四张表，字段与页面维护、查询和展示需求对应。

管理员表保存登录信息；药物表和疾病表保存基础信息；预测结果表保存药物、疾病、分数、排名和证据说明等数据。

预测结果表通过药物编号和疾病编号与基础表形成逻辑关联；前后端校验用于减少错误数据录入。

数据库主要表结构如表1所示。

表名	主要字段	功能说明
admin_user	id、username、password、real_name、create_time	保存管理员登录相关信息，用于基础登录验证
drug_info	id、drug_id、drug_name、drug_type、description、create_time	保存药物编号、名称、类型和描述等基础信息
disease_info	id、disease_id、orpha_id、disease_name、description、create_time	保存疾病编号、ORPHA ID、名称和描述等基础信息
prediction_result	id、drug_id、drug_name、disease_id、disease_name、score、rank_no、evidence、create_time	保存已有药物–疾病候选关联结果

3.4 接口设计

后端通过REST接口和统一JSON响应向前端提供登录、统计、维护、筛选和可视化数据。

主要接口覆盖登录、首页统计、基础数据维护、预测结果筛选及图表数据获取，见表2。

接口定位为科研辅助场景下的基础REST服务，不宣称生产级认证或高并发能力。

系统主要接口设计如表2所示。

接口路径	请求方法	主要功能	说明
/api/auth/login	POST	管理员登录	校验登录信息并返回基础登录结果
/api/dashboard/stats	GET	首页统计	返回药物、疾病、预测结果、平均分和高置信数量
/api/drugs	GET/POST	药物查询与新增	按关键词查询或新增药物信息
/api/drugs/{id}	PUT/DELETE	药物编辑与删除	按主键更新或删除药物记录
/api/diseases	GET/POST	疾病查询与新增	按关键词查询或新增疾病信息
/api/diseases/{id}	PUT/DELETE	疾病编辑与删除	按主键更新或删除疾病记录
/api/predictions	GET/POST	预测结果查询与新增	支持名称和分数区间筛选，或新增已有结果
/api/predictions/{id}	PUT/DELETE	预测结果编辑与删除	按主键更新或删除预测结果
/api/predictions/top10	GET	高分结果查询	按预测分数降序返回前10条结果
/api/predictions/score-distribution	GET	分数区间统计	返回五个预测分数区间的结果数量

4 系统实现

4.1 登录与Dashboard首页实现

系统采用基础账号密码登录和前端页面访问控制；登录成功后进入Dashboard首页。

Dashboard以统计卡片展示核心数量、平均分数和分数不低于0.8的高置信结果，并列出Top 5候选关联。

4.2 药物与疾病信息管理实现

药物模块支持按编号或名称查询，并完成新增、编辑、删除和必要字段校验。

疾病模块维护疾病编号、ORPHA ID、名称和描述，并支持查询及基础维护。

4.3 预测结果管理实现

预测结果页面以表格展示排名、药物、疾病、分数和证据说明，并按分数降序排列。

管理员可维护预测结果；预测分数限定为0至1，排名为正整数。系统只管理既有结果，不执行模型训练或实时推理。

4.4 条件查询、详情展示与导出实现

条件查询支持药物名称、疾病名称和预测分数区间组合筛选，结果按分数降序展示。

详情弹窗展示分数、排名和证据说明，并按0.8和0.6阈值给出高、中、低置信规则化提示；该提示不代表机制解释或临床证据。

CSV导出基于当前列表或筛选结果生成，包含排名、药物、疾病、分数和证据说明。

4.5 可视化分析实现

可视化模块使用ECharts展示Top 10高分候选关联和预测分数区间分布。

Top 10图比较高分候选关联，分数区间图展示候选结果的整体分布。

5 系统测试

5.1 测试环境

测试环境为Java 8、Spring Boot 2.7.18、MySQL 8.0、Vue3、Element Plus、Axios和ECharts；通过浏览器验证页面访问、数据维护、导出和图表展示。

测试数据库为drug_disease_system，使用初始化测试数据和管理员账号，覆盖登录、首页、基础信息、预测结果、查询、导出和可视化模块。

5.2 测试方法

采用黑盒功能测试。测试覆盖正确与错误登录、基础数据和预测结果维护、组合筛选、详情提示、CSV导出及图表展示。

测试关注页面可用性、输入校验和页面结果与数据库记录的一致性，不包括高并发、生产级安全和模型性能测试。

5.3 功能测试结果

系统主要功能测试项目及测试结果如表3所示。

测试模块	测试内容	预期结果	测试结果
登录模块	使用系统初始化管理员账号登录	成功进入Dashboard首页	通过
登录模块	输入错误密码	提示登录信息错误	通过
Dashboard首页	查看统计卡片和高分候选结果	页面正常展示统计数据	通过
药物信息管理	查询、新增、编辑和删除药物记录	操作成功且列表正常刷新	通过
药物信息管理	提交空编号或空名称	系统阻止提交并提示	通过
疾病信息管理	查询、新增、编辑和删除疾病记录	操作成功且列表正常刷新	通过
预测结果管理	查询、新增、编辑和删除已有结果	操作成功且结果按分数降序展示	通过
预测结果管理	输入非法分数或排名	系统阻止提交并提示	通过
条件查询	按药物、疾病和分数区间组合筛选	返回符合条件的候选结果	通过
结果详情	查看单条预测结果详情	显示分数、排名、证据说明和规则化提示	通过
CSV导出	导出当前列表或筛选结果	生成可打开的CSV文件	通过
可视化分析	查看高分结果图和分数分布图	图表正常显示且数据一致	通过
退出登录	退出后重新访问业务页面	返回登录界面	通过

5.4 测试结果分析

表3表明，登录、统计、基础信息管理、预测结果管理、组合筛选、CSV导出和可视化分析均能正常运行；异常输入能够提示或阻止提交，页面结果与数据库记录一致。系统基本满足候选结果管理与展示需求。

本次测试仅覆盖功能正确性和页面可用性，不评价高并发、生产级安全或预测模型性能；系统不提供实时推理或临床推荐。

6 总结与展望

6.1 总结

本文设计并实现了面向既有药物–疾病关联预测结果的管理与可视化系统，采用Spring Boot、Vue3、MySQL、MyBatis-Plus和ECharts实现登录、维护、查询、导出和图表展示。

功能测试表明，系统主要管理、查询、导出和展示功能运行正常；预测分数来自既有结果，系统不训练模型、不实时推理，也不提供临床推荐。

6.2 展望

后续可完善分页、批量导入导出、数据校验、预测批次和来源标注，并逐步补充数据约束、认证权限、操作日志及类别或批次对比图表；系统仍定位为科研辅助分析工具。

参考文献：

1. [1] 陆涛.人工智能在医药领域的应用[J].药学进展,2020,44(01):1-3.
2. [2] 彭超,胡永祥,陈龙飞,等.基于机器学习和大数据挖掘的药物重定位算法综述[J].药学进展,2020,44(01):4-9.
3. [3] 梁礼,邓成龙,张艳敏,等.人工智能在药物发现中的应用与挑战[J].药学进展,2020,44(01):18-27.
4. [4] 康宏宇,李勤,李姣,等.基于多特征融合的药物疾病关联预测模型构建[J].中国生物医学工程学报,2023,42(04):453-460.
5. [5] 郁湧,杨雨洁,李虓晗,等.基于全局图注意力元路径异构网络的药物-疾病关联预测[J].电子科技大学学报,2024,53(04):576-583.
6. [6] 郑帅,田国祥,韩迪迪,等.Orphanet数据库架构及数据获取方法与流程[J].中国循证心血管医学杂志,2020,12(06):651-654.
7. [7] 李壮琪,杨浦,杨悦.基于Orphadata数据库的中国罕见病界定及累积时点患病率测算[J].中国新药杂志,2022,31(24):2422-2428.
8. [8] 郭健,刘鹏,荆志成,等.中国国家罕见病注册系统建设及应用[J].罕见病研究,2022,1(01):7-12.
9. [9] 郭健,金晔,刘鹏,等.中国国家罕见病注册系统数智化升级与临床应用[J].罕见病研究,2025,4(01):54-60.
10. [10] 陈思楠,陈吉平,黄红倩,等.基于ECharts的医疗数据交互式可视化研究[J].现代信息科技,2024,8(14):76-80.
11. [11] 孙洪伟,曾韵晗,杨玲.基于Spring Boot和Vue的康复评定管理系统设计[J].集成电路应用,2025,42(10):370-372.