本發(fā)明涉及醫(yī)療信息，具體而言，涉及一種化療藥物不良反應的預測方法、裝置、設備及介質。

背景技術：

1、化療藥物的不良反應主要表現(xiàn)在骨髓抑制、肝臟毒性、消化道不良反應、腎毒性與肺毒性等方面，這既與藥物本身有關，同時也與患者機體以及其它因素有關。藥物不良反應存在個體差異，同一藥物在不同個體的不良反應表現(xiàn)具有多樣性，同一不良反應也可由不同藥物產生。當前對化療藥物劑量的個體化缺乏系統(tǒng)性和完整性的分析，尤其對引起不良反應的原因與影響因素的研究過于簡單，使得在臨床用藥中，醫(yī)生對不良反應出現(xiàn)的預見性不足，無法實現(xiàn)化療藥物的精準控制，影響了患者的生活質量。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種化療藥物不良反應的預測方法、裝置、設備及介質，以改善上述問題。為了實現(xiàn)上述目的，本發(fā)明采取的技術方案如下：

2、第一方面，本申請?zhí)峁┝艘环N化療藥物不良反應的預測方法，包括：

3、獲取歷史病例數(shù)據(jù)集，所述歷史病例數(shù)據(jù)集包含多個歷史病例的化療數(shù)據(jù)和不良反應評估數(shù)據(jù)，所述化療數(shù)據(jù)包括化療藥物、化療周期和患者機體狀況，所述不良反應評估數(shù)據(jù)包括骨髓抑制指標、肝臟毒性指標和腎臟毒性指標；

4、基于多個不良反應評估數(shù)據(jù)，計算得到多個不良反應實測值；

5、基于所述歷史病例數(shù)據(jù)集，對預設的預測模型初始化，獲得初始預測模型；

6、基于所述歷史病例數(shù)據(jù)集，對所述初始預測模型進行訓練，當預設的第一損失函數(shù)滿足設定條件時，停止訓練，獲得期望值預測子模型；

7、基于所述歷史病例數(shù)據(jù)集和所述期望值預測子模型，構建第二損失函數(shù)，求取最優(yōu)解，獲得標準差預測子模型；

8、獲取目標病例的化療數(shù)據(jù)集；

9、將所述目標病例的化療數(shù)據(jù)輸入不良反應預測模型中，得到目標病例的不良反應期望值和對應的標準差，所述不良反應預測模型由所述期望值預測子模型和所述標準差預測子模型組成。

10、第二方面，本申請還提供了一種化療藥物不良反應的預測裝置，包括：

11、第一獲取單元，用于獲取歷史病例數(shù)據(jù)集，所述歷史病例數(shù)據(jù)集包含多個歷史病例的化療數(shù)據(jù)和不良反應評估數(shù)據(jù)，所述化療數(shù)據(jù)包括化療藥物、化療周期和患者機體狀況，所述不良反應評估數(shù)據(jù)包括骨髓抑制指標、肝臟毒性指標和腎臟毒性指標；

12、第一計算單元，用于基于多個不良反應評估數(shù)據(jù)，計算得到多個不良反應實測值；

13、初始化單元，用于基于所述歷史病例數(shù)據(jù)集，對預設的預測模型初始化，獲得初始預測模型；

14、第一訓練單元，用于基于所述歷史病例數(shù)據(jù)集，對所述初始預測模型進行訓練，當預設的第一損失函數(shù)滿足設定條件時，停止訓練，獲得期望值預測子模型；

15、第二訓練單元，用于基于所述歷史病例數(shù)據(jù)集和所述期望值預測子模型，構建第二損失函數(shù)，求取最優(yōu)解，獲得標準差預測子模型；

16、第二獲取單元，用于獲取目標病例的化療數(shù)據(jù)集；

17、輸入單元，用于將所述目標病例的化療數(shù)據(jù)輸入不良反應預測模型中，得到目標病例的不良反應期望值和對應的標準差，所述不良反應預測模型由所述期望值預測子模型和所述標準差預測子模型組成。

18、第三方面，本申請還提供了一種化療藥物不良反應的預測設備，包括：

19、存儲器，用于存儲計算機程序；

20、處理器，用于執(zhí)行所述計算機程序時實現(xiàn)所述化療藥物不良反應的預測方法的步驟。

21、第四方面，本申請還提供了一種可讀存儲介質，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述化療藥物不良反應的預測方法的步驟。

22、本發(fā)明的有益效果為：

23、本發(fā)明通過將不良反應評估指標分為骨髓抑制、肝臟毒性與腎臟毒性3類，綜合考慮各指標數(shù)值與變化值，構建了不良反應評估方法，使其得到了準確的定量描述；以及通過將不良反應的影響因素劃分為化療藥物、化療周期與影響因素三大類，構建了涵蓋期望值與標準差的不良反應預測模型，可準確描述預期的不良反應概率分布，為不良反應的量化分析與預測提供了技術支撐。

24、本發(fā)明的其他特征和優(yōu)點將在隨后的說明書闡述，并且，部分地從說明書中變得顯而易見，或者通過實施本發(fā)明實施例了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明書、權利要求書、以及附圖中所特別指出的結構來實現(xiàn)和獲得。

技術特征：

1.一種化療藥物不良反應的預測方法，其特征在于，包括：

2.根據(jù)權利要求1所述的化療藥物不良反應的預測方法，其特征在于,基于多個不良反應評估數(shù)據(jù)，計算得到多個不良反應實測值，所述骨髓抑制指標包括中性粒含量、血紅蛋白含量和血小板含量，所述肝臟毒性指標包括谷丙轉氨酶含量、谷草轉氨酶含量和膽紅素含量，所述腎臟毒性指標包括尿素氮含量和肌酐含量，包括：

3.根據(jù)權利要求1所述的化療藥物不良反應的預測方法，其特征在于,基于所述歷史病例數(shù)據(jù)集，對預設的預測模型初始化，獲得初始預測模型，所述影響因素包括特殊基因型序號、性別、年齡、體能狀態(tài)、營養(yǎng)狀況和機體病理狀態(tài)，包括：

4.根據(jù)權利要求3所述的化療藥物不良反應的預測方法，其特征在于,基于所述歷史病例數(shù)據(jù)集，對所述初始預測模型進行訓練，當預設的第一損失函數(shù)滿足設定條件時，停止訓練，獲得期望值預測子模型，包括：

5.一種化療藥物不良反應的預測裝置，其特征在于，包括：

6.根據(jù)權利要求5所述的化療藥物不良反應的預測裝置，其特征在于，所述第一計算單元包括：

7.根據(jù)權利要求5所述的化療藥物不良反應的預測裝置，其特征在于，所述初始化單元包括：

8.根據(jù)權利要求7所述的化療藥物不良反應的預測裝置，其特征在于，所述第一訓練單元包括：

9.一種化療藥物不良反應的預測設備，其特征在于，包括：

10.一種可讀存儲介質，其特征在于，所述可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至4任一項所述化療藥物不良反應的預測方法的步驟。

技術總結
本發(fā)明提供了一種化療藥物不良反應的預測方法、裝置、設備及介質，涉及醫(yī)療信息技術領域，包括獲取歷史病例數(shù)據(jù)集；計算得到多個不良反應實測值；獲得初始預測模型；獲得期望值預測子模型；獲得標準差預測子模型；獲取目標病例的化療數(shù)據(jù)；得到目標病例的不良反應期望值和對應的標準差。本發(fā)明通過將不良反應評估指標分為骨髓抑制、肝臟毒性與腎臟毒性3類，綜合考慮各指標數(shù)值與變化值，構建了不良反應評估方法，使其得到了準確的定量描述；以及通過將不良反應的影響因素劃分為化療藥物、化療周期與影響因素三大類，構建了涵蓋期望值與標準差的不良反應預測模型，可準確描述預期的不良反應概率分布，為不良反應的量化分析與預測提供了技術支撐。

技術研發(fā)人員：斯曉燕,李梅,張曉彤
受保護的技術使用者：中國醫(yī)學科學院北京協(xié)和醫(yī)院
技術研發(fā)日：
技術公布日：2024/12/23