[发明专利]基于偶交替逼近算法的艾滋病疗效预测方法

摘要

本发明针对传统的由回归方程变换得到的递推函数，在预测多个艾滋病患者采用某种疗法某时刻CD4⁺T淋巴细胞数对数值时，可以实现各个预测值的误差总和为最小，但针对某个患者进行的预测往往误差较大的问题，提出采用偶交替逼近算法，根据该患者的前几次的CD4⁺T淋巴细胞数对数值测试值修正递推函数的参数，从而达到减小预测误差的目的。

主权项

1.根据某个患者的前几次的CD4⁺T淋巴细胞数对数值测试值，通过偶交替逼近算法修正递推函数的参数实现针对某个患者的疗效预测，从而达到减小预测误差的目的。设参数c＝-0.069A+2.89、d＝0.022A+0.071，再设递推函数分子中的T的系数为a、分母中的T的系数为b，则新的递推函数为$y=N_{\mathrm{CD}4}^n=\frac{N_{\mathrm{CD}4}^{n-1}+\mathrm{aT}+c}{\mathrm{bT}+d}$需要通过偶交替逼近算法修正的参数为a、b、c、d。由于$\frac{\∂y}{\text{\∂a}}=T,$$\frac{\∂y}{\∂b}=\frac{T(N+\mathrm{aT}+c)}{{(\mathrm{bT}+d)}^2},$$\frac{\∂y}{\text{\∂c}}=1,$$\frac{\∂y}{\∂d}=\frac{N+\mathrm{aT}+c}{{(\mathrm{bT}+d)}^2}$而$\frac{\∂y}{\∂b}>\frac{\∂y}{\∂d}>\frac{\∂y}{\∂a}>\frac{\∂y}{\∂c},$则偶交替逼近算法的描述为：STEP1：设循环变量为i、预测值为、测试值为N_CD4ⁿ、误差为Δ、可以接受的误差上限为δ，令i＝0、$\mathrm{\Δ}={\hat{N}}_{\mathrm{CD}4}^n-N_{\mathrm{CD}4}^n;$STEP2：如果|Δ|＜δ，exit，否则当0≤i＜4时，若Δ＞0，则令b＝b+0.001、i＝i+1；如果Δ＜0，那么令b＝b-0.001、i＝i+1，goto STEP 2；STEP3：如果|Δ|＜δ，exit，否则当4≤i＜8时，若Δ＞0，则令d＝d+0.001、i＝i+1；如果Δ＜0，那么令d＝d-0.001、i＝i+1，goto STEP 3；STEP4：如果|Δ|＜δ，exit，否则当8≤i＜12时，若Δ＞0，则令a＝a+0.001、i＝i+1；如果Δ＜0，那么令a＝a-0.001、i＝i+1，goto STEP 4；STEP5：如果|Δ|＜δ，exit，否则当12≤i＜16时，若Δ＞0，则令c＝c+0.001、i＝i+1；如果Δ＜0，那么令c＝c-0.001、i＝i+1，goto STEP 5；STEP6：如果|Δ|＜δ，exit，否则令i＝0，goto STEP 2。