[发明专利]基于血药浓度监测的药效优化方法及装置

权利要求书

1.一种基于血药浓度监测的药效优化方法，其特征在于，包括：

建立基于血药浓度监测的药效优化样本数据库，所述药效优化样本数据库中的每个样本包括药物血药浓度正常时的用药医嘱信息和用药前时间距离最近的检验项数据；

对所述药效优化样本数据库进行缺失值处理和显著性检验，获得经过预处理的药效优化样本数据库；

根据所述经过预处理的药效优化样本数据库，利用XGBoost算法进行监督学习，构建药物药效优化模型；

将待预测的检验项数据输入所述药物药效优化模型，得到与所述待预测的检验项数据相对应的药效优化方案；

其中，所述建立基于血药浓度监测的药效优化样本数据库的步骤，具体为：

获取使用血药浓度监测药物的患者临床数据并进行数据清洗；

将经过数据清洗后的所述患者临床数据按时间排序，从中提取第一次用药后血药浓度监测结果为正常的用药医嘱信息及用药前时间距离最近的检验项数据，构成初始方案数据库；

提取药物血药浓度监测次数超过一次且最后一次药物血药浓度监测结果正常的用药医嘱信息及用药前时间距离最近的检验项数据，构成调整方案数据库，其中所述调整方案数据库加入药物血药浓度监测次数变量；

其中，所述对所述药效优化样本数据库进行缺失值处理和显著性检验，获得经过预处理的药效优化样本数据库的步骤，具体为：

删除所述药效优化样本数据库中数据缺失率大于预设阈值的检验项，并对剩余的检验项利用相似病例方法插补缺失的数据；

采用统计学方法从经过缺失数据插补后的所述剩余的检验项中筛选出影响药物药效的显著变量，获得经过预处理的药效优化样本数据库；

其中，所述对剩余的检验项利用相似病例方法插补缺失的数据的步骤，具体为：

对于所述剩余的检验项中每个存在数据缺失的检验项，将所述剩余的检验项所构成的数据集，以该检验项所对应的样本数据是否存在缺失为依据，划分为检验项无数据缺失子集和检验项数据缺失子集；

计算所述检验项数据缺失子集中的每个样本与所述检验项无数据缺失子集中各个样本间的欧氏距离，从所述检验项无数据缺失子集中挑选距离最近的前k个相似样本；

判断该检验项的类型，若该检验项为连续变量，则以每个所述相似样本的欧氏距离的倒数作为权重，对所述k个相似样本进行加权平均，得到缺失值的替代值；或者，若该检验项为分类变量，则采用所述k个相似样本中该检验项对应的所占比重最大的取值作为缺失值的替代值。

2.根据权利要求1所述的方法，其特征在于其中，所述采用统计学方法从经过缺失数据插补后的所述剩余的检验项中筛选出影响药物药效的显著变量的步骤，具体为：

判断经过缺失数据插补后的所述剩余的检验项中各个检验项的类型；

若检验项为连续型变量，将检验项与目标变量进行独立样本t检验，保留与目标变量关系显著的检验项；或者，

若检验项为分类型变量，将检验项与目标变量进行卡方检验，保留与目标变量关系显著的检验项；

其中，所述目标变量为经过编码的药物血药浓度正常时的用药医嘱信息。

3.根据权利要求1所述的方法，其特征在于，所述根据所述经过预处理的药效优化样本数据库，利用XGBoost算法进行监督学习，构建药物药效优化模型的步骤，具体为：

初始化XGBoost算法参数，所述算法参数包括：最大决策树数量、学习率、最大规则层深、决策树生长所需达到的最小增益值和决策树复杂度衡量参数；

基于所述初始方案数据库，利用XGBoost算法筛选影响药物初始药效的重要变量，并根据所述影响药物初始药效的重要变量构建初始药效优化模型；

基于所述调整方案数据库，利用XGBoost算法筛选影响药物调整药效的重要变量，并根据所述影响药物调整药效的重要变量构建调整药效优化模型；

将所述初始药效优化模型与所述调整药效优化模型进行组合，生成药物药效优化模型。

4.根据权利要求3所述的方法，其特征在于，所述将待预测的检验项数据输入所述药物药效优化模型，得到与所述待预测的检验项数据相对应的药效优化方案的步骤，具体为：

将待预测的检验项数据输入所述初始药效优化模型，获得初始药效优化方案，将待预测的检验项数据输入所述调整药效优化模型，获得调整药效优化方案。