【技术实现步骤摘要】
个体化药物剂量预测方法、装置、电子设备及存储介质
本专利技术涉及数据处理
，具体涉及一种个体化药物剂量预测方法、装置、电子设备及存储介质。
技术介绍
目前已知很多药物个体代谢能力的差异很大，治疗安全范围狭窄，临床应用过程中影响其药效的因素很多，使得很多药物的个体剂量的变动性很大，还会存在严重的潜在副作用和用药风险，使得对很多治疗药物的管理具有挑战性。以华法林和万古霉素为例：华法林是临床上广泛应用的抗凝剂，可用于治疗房颤、深静脉血栓、肺栓塞、瓣膜移植等，而且价格便宜。目前临床上华法林的给药方案通常采用首先给予一定标准剂量，然后临床医生根据每个患者国际标准化比率(InternationalNormalizedRatio，INR)值的情况，增加或减少剂量直至INR达到靶标。但是在这样的抗凝疗法中，调整剂量的周期较长，患者发生血栓或出血的可能性较高。“LaboratoryMedicine”，December2013,Vol28.No12:1157-1161，综述了国内外基于遗传药理学研究结果并结合临床数据所构建的华法林...
【技术保护点】
1.一种个体化药物剂量预测方法，其特征在于，包括：/n获取与目标个体有关的临床原始数据，对所述临床原始数据进行数据清洗后，得到待分析数据；/n对所述待分析数据中的连续型自变量和分类型自变量采用单因素分析方法进行变量初筛，得到显著单因素变量，所述显著单因素变量与治疗药物单位时间使用剂量具有显著相关性；/n对所述显著单因素变量中的所述连续型自变量进行分段处理及独热编码，对所述显著单因素变量中的所述分类型自变量中的多分类自变量进行独热编码，基于所述显著单因素变量得到二分类自变量数据集；基于所述二分类自变量数据集通过特征工程方法构建交叉变量，生成交叉变量数据集；以所述治疗药物单位时...
【技术特征摘要】
1.一种个体化药物剂量预测方法，其特征在于，包括：
获取与目标个体有关的临床原始数据，对所述临床原始数据进行数据清洗后，得到待分析数据；
对所述待分析数据中的连续型自变量和分类型自变量采用单因素分析方法进行变量初筛，得到显著单因素变量，所述显著单因素变量与治疗药物单位时间使用剂量具有显著相关性；
对所述显著单因素变量中的所述连续型自变量进行分段处理及独热编码，对所述显著单因素变量中的所述分类型自变量中的多分类自变量进行独热编码，基于所述显著单因素变量得到二分类自变量数据集；基于所述二分类自变量数据集通过特征工程方法构建交叉变量，生成交叉变量数据集；以所述治疗药物单位时间使用剂量作为目标变量，基于所述交叉变量数据集，通过逐步回归筛选得到显著交叉变量，所述显著交叉变量与所述治疗药物单位时间使用剂量具有显著相关性；
将所述显著单因素变量和所述显著交叉变量合并，得到建模数据集；以所述治疗药物单位时间使用剂量作为目标变量，基于所述建模数据集，采用预设机器学习算法构建预测模型以用于所述目标个体的给药剂量预测。
2.根据权利要求1所述的个体化药物剂量预测方法，其特征在于，所述对所述待分析数据中的连续型自变量和分类型自变量采用单因素分析方法进行变量初筛，得到显著单因素变量，具体包括：
将所述连续型自变量与所述治疗药物单位时间使用剂量进行Pearson相关性检验，判断所述连续型自变量与所述治疗药物单位时间使用剂量的关系是否显著；
将所述分类型自变量与所述治疗药物单位时间使用剂量进行Mann-WhitneyU检验，判断所述分类型自变量与所述治疗药物单位时间使用剂量的关系是否显著；
基于与所述治疗药物单位时间使用剂量的关系显著的所述连续型自变量和所述分类型自变量得到所述显著单因素变量。
3.根据权利要求1所述的个体化药物剂量预测方法，其特征在于，所述以所述治疗药物单位时间使用剂量作为目标变量，基于所述建模数据集，采用预设机器学习算法构建预测模型以用于所述目标个体的给药剂量预测，具体包括：
以所述治疗药物单位时间使用剂量作为目标变量，基于所述建模数据集，采用XGBoost算法构建树状预测模型；模型训练过程中采用auto-ml对模型自动调参，并采用K折交叉验证的方式优化模型，进而得到所述预测模型以用于所述目标个体的给药剂量预测。
4.根据权利要求1所述的个体化药物剂量预测方法，其特征在...
【专利技术属性】
技术研发人员：卢晓阳，楼燕，杨希，何玲娟，洪东升，高飞，孙佳星，
申请(专利权)人：浙江大学医学院附属第一医院，北京诺道认知医学科技有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。