经世界卫生组织（World Health Organization,WHO）统计,用药不当已经成为影响合理用药安全的一个重要因素。随着医疗信息化进程的发展,为了有效提高儿童合理用药水平,部分医疗机构已经配备了合理用药决策支持软件进行用药审核。然而这些软件大多是基于制定的规则来规范错误用药的,不适用于儿科这样需要智能审核的临床环境。而儿童由于其身份的特殊性,儿童专用药品少,儿科用药指导匮乏的现象始终存在,儿童相较于成人更易发生不合理用药事件。因此,本文基于儿科历史病历大数据,并融合外部医疗领域知识,以数据驱动的方式来挖掘潜在的儿童用药经验和规则进行儿童合理用药研究,具体如下:第一,挖掘儿科历史病历大数据中蕴含的用药经验来准确评估儿科药物相互作用的风险。首先,本文融合儿科病历数据中的处方数据以及外部禁忌用药数据来构建药物相互作用图。然后利用Louvain社群检测算法来提取更高层次的用药知识。最后,基于提出的药物相互作用风险指标进行处方风险预警。本文利用福建省某三甲医院儿科收集的真实匿名处方数据集来评估模型的有效性。结果表明,本文提出的方法在测试处方集中的准确性达到了 84.2%,优于其他基线方法。第二,基于儿科历史病历大数据来建模药品与诊断之间的复杂关系以进行儿童合理用药推荐。首先,本文从历史病历大数据中提取患者的生理特征、诊断特征,然后融合外部的药物相互作用特征作为模型的输入,最后利用Transformer序列生成模型来进行个性化的儿科合理用药推荐。本文利用MIMICⅢ儿科数据集以及福建省某三甲医院儿科数据集来验证模型的有效性,结果表明本文提出的方法在药物推荐准确率上相对于其他基线方法效果更优。本文利用大数据技术与深度学习框架来挖掘儿科历史用药规律和用药知识,以弥补现有的合理用药审核系统存在的不足之处,为临床药事管理以及患者日常用药提供参考性的决策支持,在节约人力物力的同时,还有助于提高儿童合理用药的安全性。