【技术实现步骤摘要】
本申请涉及药物反应预测领域，尤其涉及一种药物反应预测方法及相关装置。
技术介绍
1、“肿瘤精准医学”正在成为人们关注的热点，其目标是通过深度学习方法利用患者的基因组学特征来预测对给定药物的反应，寻找个性化的癌症治疗方法。
2、由于时间和资金考虑等原因，通过生物学实验筛选所有可能的候选药物或药物组合非常困难，并且临床方面患者抗肿瘤药物反应数据较为稀缺且难以获得，无法准确的为患者推荐个性化的用药方案，而用药不够精准会导致患者病症无法好转，甚至会给患者的生命安全带来威胁。
技术实现思路
1、本申请实施例提供了一种药物反应预测方法及相关装置，可以将模型泛化到零样本学习，实现零患者样本的药物反应预测。
2、第一方面，本申请实施例提供了一种药物反应预测方法，包括：
3、获取患者样本数据集，所述患者样本数据集中包括多个目标病症的患者的样本病症特异性表征信息，病症特异性表征信息用于指示病症的特异性；
4、从所述患者样本数据集中获取每个训练任务的药物反应任务集...
【技术保护点】
1.一种药物反应预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述患者样本数据集和所述参考特异性学习器集合训练解耦蒸馏模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标病症特异性表征信息和所述索引基矩阵获取权重向量，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述对每个特异性学习器进行训练和测试，得到参考特异性学习器集合，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标网络参数更新特异性学习器，得到所述每个训练任务对应的参考特异性学...
【技术特征摘要】
1.一种药物反应预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述患者样本数据集和所述参考特异性学习器集合训练解耦蒸馏模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标病症特异性表征信息和所述索引基矩阵获取权重向量，包括：
4.根据权利要求1-3任一项所述的方法，其特征在于，所述对每个特异性学习器进行训练和测试，得到参考特异性学习器集合，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标网络参数更新特异性学习器，得到所述每个训练任务对应的参考特异性学习器之后，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述获取患者样本数据集...
【专利技术属性】
技术研发人员：刘琦，张晨，高溢骋，范力欣，古瀚林，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：
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。