【技术实现步骤摘要】
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
，尤其涉及一种药物剂量预测方法、装置、电子设备及存储介质。
技术介绍
他克莫司是一种广泛应用于肾移植受者(KTRS)的免疫抑制药物。由于其治疗指标狭窄，即治疗血药浓度与毒性血药浓度之间的边界非常接近，因此不适当的他克莫司血药浓度将会引起急性排斥反应，如肾中毒，肾感染，以及新发糖尿病等。现有技术中，临床医生通常会在移植后早期根据治疗药物监测(therapeuticdrugmonitoring，TDM)对他克莫司的使用剂量进行调整，直到达到长期维持免疫抑制水平。然而，达到有针对性的全血他克莫司浓度所需的剂量因个体而异，且影响他克莫司用药剂量的因素很多，因此，如何根据患者的个人特征确定有针对性的药物使用剂量是目前亟待解决的问题。
技术实现思路
本专利技术提供一种药物剂量预测方法、装置、电子设备及存储介质，用以解决现有技术中无法根据患者的个人特征确定有针对性的药物使用剂量的问题，实现针对不同患者确定更加精准的药物使用剂量的效...
【技术保护点】
1.一种药物剂量预测方法，其特征在于，包括：/n获取目标患者的临床原始数据，所述临床原始数据包括人口统计学信息、治疗药物使用信息、联合用药信息、辅助治疗手段、基因多态性、检验信息；/n对所述临床原始数据进行数据预处理后，得到目标特征数据，所述数据预处理包括数据清洗、数据规范化编码、数据筛选中的至少一个；/n将所述目标特征数据输入药物剂量预测模型，得到单位时间内所述目标患者的用药剂量。/n
【技术特征摘要】
1.一种药物剂量预测方法，其特征在于，包括：
获取目标患者的临床原始数据，所述临床原始数据包括人口统计学信息、治疗药物使用信息、联合用药信息、辅助治疗手段、基因多态性、检验信息；
对所述临床原始数据进行数据预处理后，得到目标特征数据，所述数据预处理包括数据清洗、数据规范化编码、数据筛选中的至少一个；
将所述目标特征数据输入药物剂量预测模型，得到单位时间内所述目标患者的用药剂量。
2.根据权利要求1所述的药物剂量预测方法，其特征在于，所述将所述目标特征数据输入药物剂量预测模型之前，所述方法还包括：
获取多个患者的临床原始数据；
根据所述多个患者的临床原始数据确定影响患者用药剂量的建模数据集；
以单位时间内患者的用药剂量为目标变量，基于所述建模数据集，采用预设机器学习算法构建所述药物剂量预测模型。
3.根据权利要求2所述的药物剂量预测方法，其特征在于，所述根据所述多个患者的临床原始数据确定影响患者用药剂量的建模数据集，包括：
对所述多个患者的临床原始数据进行数据清洗，并对所述多个患者的临床原始数据中的分类变量进行规范化编码，得到第一特征数据，所述数据清洗包括以下至少一项：删除、去重和排序；
确定所述第一特征数据与患者用药剂量的相关性和显著性，并根据所述相关性和显著性从所述第一特征数据中确定第二特征数据；
确定所述第二特征数据的重要性得分，并根据所述重要性得分从所述第二特征数据中确定第三特征数据；
通过逐步回归法从所述第三特征数据中筛选得到所述建模数据集。
4.根据权利要求2或3所述的药物剂量预测方法，其特征在于，确定所述建模数据集之后，所述方法还包括：
将所述建模数据集划分为实验组数据和对照组数据；
所述基于所述建模数据集，采用预设机器学习算法构建所述药物剂量预测模型，包括：
基于所述实验组数据，采用预设机器学习算法训练所述药物剂量预测模型；
基于所述对照组数据，对所述药物剂量预测模型进行测试。
5.根据权利要求2或3述的药物剂量预测方法，其特征在于，所述采用预设机器学习算法构建所述药物剂量预测模型，包括：
通过自动机器学习法对所述药物剂量预测模型进行自动化学习和调参。
6.根据权利要求2或3述的药物剂量预测方法，其特征在于，所述方法还包括：
通过五折交叉验证法，确定相关系数和均方根误差最优的模型为所述药物剂量预测模型。
7.一种药物剂量预测装置，其特征在于，包括：获取模块、处理模块和预测模块；
所述获取模块，用于获取目标患者的临床原始数据，所述临床原始数据包括人口统计学信息、治疗药物使用信息、...
【专利技术属性】
技术研发人员：杨晶，张绮雯，田雪珂，王培乐，于泽，王则远，张津源，
申请(专利权)人：郑州大学第一附属医院，北京诺道认知医学科技有限公司，
类型：发明
国别省市：河南;41
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。