本公开总体上涉及计算机,更具体地涉及一种药动学模型的随机扰动项的确定方法、装置、计算机程序产品、非暂时性计算机可读存储介质及电子设备。
背景技术:
1、给药方案个体化针对个体病人,通过治疗药物监测手段、利用临床药动学的原理和方法并结合临床实践经验制定个体患者最佳给药剂量,以获得最佳疗效、减少或避免不良反应的产生、提高临床药物使用的安全性和有效性。以往药物治疗的推荐剂量多为群体平均剂量,只有少数低毒药物按照平均剂量给药,能获得最佳疗效。有些药物给予相同剂量后,往往只有部分患者疗效满意。造成上述现象的原因有患者自身和药物两个方面。
2、利用群体药代动力学模型,同时考虑患者自身与药物两方面因素来制定个体化给药方案需要复杂的计算过程。现有的个体化给药辅助方案存在不足。个体化给药辅助决策系统采用最大后验贝叶斯估算法,必须先进行房室模型拟合,估算药动学参数和药动学参数分布等先验信息,个体药动学参数的估算效果会受到个体间变异和残差变异程度的影响,可能致使结果不稳定。多元线性回归方法进行血药浓度预测并不具有普适性,同时多元线性回归模型,不需要进行房室模型拟合,仅需患者信息及病理生理指标来估算个体化给药剂量,因此预测精度相对较低。神经网络也存在自身的局限性,其估算参数过多,模型泛化能力不够,会出现过学习问题,导致预测效果较差。
3、因此,有必要提出一种新的药动学参数的确定方案,以解决上述至少一个技术问题。
技术实现思路
1、本公开的目的在于提供一种药动学模型的随机扰动项的确定方法、装置、计算机程序产品、非暂时性计算机可读存储介质及电子设备,以提高药动学模型的随机扰动项的计算精度,进而提高血药浓度的预测精度。
2、根据本公开的第一方面,提供一种药动学模型的随机扰动项的确定方法,包括:获取随机扰动项的取值范围;基于所述随机扰动项的取值范围,随机抽取得到所述随机扰动项的多个初始值;根据所述随机扰动项的多个初始值,确定所述随机扰动项的目标值。
3、根据本公开的第二方面,提供了一种药动学模型的随机扰动项的确定装置,包括:取值范围获取模块,用于获取随机扰动项的取值范围;初始值确定模块,用于基于所述随机扰动项的取值范围,随机抽取得到所述随机扰动项的多个初始值;目标值确定模块,用于根据所述随机扰动项的多个初始值,确定所述随机扰动项的目标值。
4、根据本公开的第三方面,提供了一种计算机程序产品,包括程序代码指令,当所述程序产品由计算机执行时,所述程序代码指令使所述计算机执行根据本公开的第一方面所述的方法。
5、根据本公开的第四方面,提供了一种存储有计算机指令的非暂时性计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开的第一方面所述的方法。
6、根据本公开的第五方面,提供了一种电子设备,包括:处理器,与所述处理器进行电子通信的存储器;以及指令,所述指令存储在所述存储器中并且可由所述处理器执行以使所述电子设备执行根据本公开的第一方面所述的方法。
7、应当理解,本部分所描述的内容并不旨在标识所要求保护的
技术实现要素:
的关键或必要特征,也不旨在单独地用于确定所要求保护的发明内容的范围。
1.一种药动学模型的随机扰动项的确定方法,包括:
2.根据权利要求1所述的方法,其中,所述随机扰动项包括药动学参数的随机扰动项和血药浓度的随机扰动项。
3.根据权利要求1所述的方法,其中,所述根据所述随机扰动项的多个初始值,确定所述随机扰动项的目标值,包括:
4.根据权利要求2所述的方法,其中,所述根据所述随机扰动项的多个初始值,利用差分进化算法,确定所述随机扰动项的目标值,包括:
5.根据权利要求4所述的方法,其中,所述变异操作包括:
6.根据权利要求4所述的方法,其中,所述交叉操作包括:
7.根据权利要求4所述的方法,其中,所述随机扰动项的数目为多个,各个所述随机扰动项的数值共同形成一个参数值组合,所述随机扰动项对应的初始个体用于形成初始参数值组合,所述随机扰动项对应的变异个体用于形成变异参数值组合;
8.根据权利要求4所述的方法,其中,所述方法还包括:
9.根据权利要求2所述的方法,其中,所述获取随机扰动项的取值范围,包括:
10.根据权利要求8所述的方法,其中,所述根据已知的样本数据,确定药动学参数或者血药浓度的预测值和实际值,包括:
11.根据权利要求1-10中任一项所述的方法,其中,在确定所述随机扰动项的目标值之后,所述方法还包括:
12.一种药动学模型的随机扰动项的确定装置,包括:
13.一种计算机程序产品,包括程序代码指令,当所述程序产品由计算机执行时,所述程序代码指令使所述计算机执行权利要求1至11中的至少一项所述的方法。
14.一种存储有计算机指令的非暂时性计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至11中的至少一项所述的方法。
15.一种电子设备,包括: