基于人工神经网络法的精神分裂症患者奥氮平血药浓度预测研究.pdf

中文摘要

基于人工神经网络法的

精神分裂症患者奥氮平血药浓度预测研究

要

目的：

1．收集河北医科大学第一医院精神分裂症患者人口学信息及相关临

床资料，分析抗精神病药物奥氮平在精神分裂症患者中血药浓度的影响因

素，为临床精准用药提供参考。

2．基于人工神经网络法，构建经遗传算法优化的奥氮平血药浓度反

向传播神经网络预测模型，同时评价模型的应用效果，为需要调整奥氮平

使用剂量或无法进行奥氮平治疗药物监测的患者提供浓度预测。

方法：

1．依据纳排标准回顾性收集河北医科大学第一医院2019年1月至20

21年12月就诊的规律服用奥氮平的精神分裂症患者病例，对患者年龄、

性别、给药剂量、合并用药、体质指数、吸烟情况、C反应蛋白、白细胞

计数、红细胞计数、血红蛋白、血小板计数、γ-谷胺酰转肽酶、血清总

蛋白、丙氨酰氨基转移酶、天门冬氨酰氨基转移酶、碱性磷酸酶、白蛋白、

肌酐、尿素氮、甘油三酯、总胆固醇、低密度脂蛋白胆固醇、高密度脂蛋

白胆固醇等变量与血药浓度的相关性进行统计学分析，探讨抗精神病药物

奥氮平在精神分裂症患者中血药浓度的影响因素。

2．依据纳排标准回顾性收集河北医科大学第一医院2022年1月至12

月就诊的患者病例，将收集到的患者信息分为建模数据集和模型验证集，

其中建模组为2022年1月至9月的患者临床数据共162例，用于模型的

训练；验证组为2022年9月至12月的患者临床数据共41例，用于验证

模型预测能力。将影响患者奥氮平血药浓度的因素作为模型的输入层参数，

奥氮平稳态血药谷浓度预测值作为模型的输出层参数，采用试凑法选取隐

含层层数，引入遗传算法优化模型参数，比较引入遗传算法前后模型的准

确度及精密度，最终构建奥氮平血药浓度遗传-反向传播神经网络预测模

型。

1

中文摘要

结果：

1.研究共纳入343例精神分裂症患者，其中男性患者216例，女性

2

患者127例，年龄（54.49±16.01）岁，体质指数（22.44±3.40）kg/m。

分析患者人口统计学信息与相关临床数据与奥氮平血药浓度的相关性，结

果显示患者用药剂量、年龄、性别、吸烟情况、白蛋白、丙氨酸氨基转

移酶和甘油三酯是影响奥氮平稳态血药谷浓度的影响因素（均P0.05），

同时也提示患者合并使用氟西汀、丙戊酸钠或其他影响肝药酶活性药物可

能影响奥氮平浓度，而其他因素无统计学意义。

2．使用建模数据集162例患者相关信息作为训练样本构建的反向传

播神经网络模型，引入遗传算法前模型预测与实测浓度的Pearson相关系

数为0.9327，平均绝对误差为3.62，平均预测误差为1.98，引入遗传算法

后模型预测与实测浓度的Pearson相关系数为0.9433，平均绝对误差为3.0

7，平均预测误差为1.35。

结论：

1.患者的奥氮平使用剂量、性别、年龄、吸烟情况、合并用药、白

蛋白、丙氨酸氨基转移酶、甘油三酯为影响奥氮平稳态血药谷浓度的因

素，临床医师和药师应结合患者相关情况制订奥氮平给药方案，实现精准

治疗。

2.本研究所建立的人工神经网络模型可应用于使用奥氮平治疗精

疾病患者的血药浓度预测之中，为药学领域类似预测研究提供参考。另外，

采用遗传算法可优化反向传播神经网络的权值和阈值，使得其迭代次

数减少的同时得出模型的相对最优解，提升原模型的训练效率及预测

精度。

关键词：奥氮平，人工神经网络，GA-BP神经网络

2

目录

中文摘要1

英文摘要3

英文缩写6

研究论文基于人工神经网络法