人工神经网络在治疗药物监测中应用.pdfVIP

人工神经网络在治疗药物监测中的应用 浙江大学医学院附属儿童医院药剂科，310006 朱正怡 摘要：本文通过介绍人工神经网络（ANN ）及近年来在治疗药物监测（TDM ） 方面应用较成功的算法和模型，综述人工神经网络在治疗药物监测中的应用方法 及其优缺点。TDM 近年来已成为临床药学发展较快的一个新领域，根据一些临 床用药起效快，半衰期短，或治疗窗窄等特点，常需要根据实际情况调整剂量。 神经网络具有良好的自适应能力和调整能力，并可以大大简化治疗药物监测过程 [4] 中药动学模型拟合的过程，是进行TDM 研究的合适工具 。自ANN 应用于药 学领域以来，人们不断尝试将其应用于治疗药物监测的研究中，从预测血药浓度 及其他药动学参数，群体药动学研究、药动学-药效学相关性研究，到ANN 设计 自适应控制给药系统，均有成功的应用研究报道，并显示出其独特的优越性。 ANN 在处理复杂的多元非线性关系时，无需考虑协变量间是否独立、应变量是 否满足正态分布等条件，拟和度比传统处理方法更好，且具有简便、快捷和预测 准确率较高的特点。但ANN 也有其缺陷，如无法阐述各变量间的相关性机理； 研究者需要提供大量实验数据和时间进行训练；易出现训练时间过长、过度拟合 (范化效果不佳) 、不稳定等问题。随着人工神经网络理论和技术的不断发展，其 必将在临床药学领域和治疗药物监测方面得到更充分的应用。 关键词：人工神经网络；治疗药物监测；药动学；预测 人工神经网络在治疗药物监测中的应用 浙江大学医学院附属儿童医院药剂科，310006 朱正怡 摘要：目的综述人工神经网络在治疗药物监测中的应用。方法 通过介绍人工神 经网络及近年来在治疗药物监测方面应用较成功的算法和模型，综述神经网络在 应用中的方法及其优缺点。结果ANN 在处理复杂的多元非线性关系方面，具有 简便、快捷和预测准确率较高的特点，已被应用于治疗药物监测的各方面研究中。 结论ANN 在治疗药物监测中具有良好的应用前景。 关键词：人工神经网络；治疗药物监测；药动学；预测 治疗药物监测（Therapeutic drug monitoring, TDM ）通常是指在药动学原理 指导下，测定血液活其他体液中的药物浓度，使给药方案个体化，以提高药物的 疗效，避免或减少毒副反应。TDM 是通过结合药剂学、药动学和药效学等多学 科的研究内容，评价药物在临床使用中的安全性和有效性[1] 。由于药物的体内过 程是一个非线性的、复杂的过程，TDM 也会遇到非线性的、模糊的、理论上难 以解释和预测的复杂问题。近年来，人工神经网络 (artificial neural networks,ANNs)在药学领域的研究得到了较大发展，从预测血药浓度到辅助给药 方案设计，人们不断尝试将 ANN 应用于治疗药物监测的研究中。本文就 ANN 在TDM 中的应用作一综述。 1. 人工神经网络（ANN ）１ 人工神经网络（ANN ）通过模拟生物学意义上的人脑神经元及其互联网络 的功能，利用神经元计算的非线性并行处理等特征，进行联想、分类及非逻辑归 纳等信息处理。ANN 有自组织和自学习能力，在处理复杂的多元非线性关系方 面，具有简便、快捷和预测准确率较高的特点。在治疗药物监测中应用较多的神 经网络主要为BP 网络和遗传神经网络。 1.1 BP （Back Propagation ）网络 BP 网络是反向传播神经网络的简称，是一种多层前馈神经网络，因其结构 简单、可调参数多、训练算法多、可操控性好，而获得了广泛的实际应用。非线 １作者：朱正怡，女，硕士。E-mail: joycehere@163.com ；联系电话：0571 性能力很强，对于研究药动学和生物药剂学中非线性函数提供了有力手段。具有 自组织、自适应、自学习能力，它的预测能力会随着学习样本的增多而增强，这 对于传统药动学数据分析建模提供了极大的方便。网络具有高度的容错性和稳健 性，当预测单元中的部分信息不足或由于观测失误而产生错误信息时，BP 模型 仍可给出较正确的预测结果。