Page 130 - 《中国药房》2023年1期
P. 130

霉酚酸药-时曲线下面积估算模型，比传统群体药动学                            例样本，分为训练集（n＝190）和测试集（n＝81），将血药
          模型更优。                                               浓度和16个影响血药浓度的因素一并纳入考量，先基于
          3 机器学习在抗感染药物个体化给药中的应用                               支持向量机技术对训练集进行训练并构建预测模型，再
              治疗药物监测对治疗指数小、毒性大且个体差异大                          用外部验证法将 81 个测试样本的预测浓度值与实测值
          的抗菌药物较为重要，对提高疗效、降低毒副作用具有                            进行对比。结果显示，所建立的血药浓度预测模型取得
          重要意义。随着基于药动学/药效学模型的抗感染药物                            了良好的预测效果，预测值与实测值的相对误差小于
          用药管理，越来越多的抗感染药物被纳入治疗药物常规                            20%的样本比例达85.18%，平均绝对误差为9.98 mg/L，
          监测项目中。当下，将机器学习与抗感染药物个体化用                            预测值与实测值的相关系数为0.788。这提示该模型准
          药相结合已成为研究热点，目前开展研究较多的主要是                            确度较好、相对误差较小，可为临床制定个体化给药方
          万古霉素。                                               案提供参考。
              万古霉素属于糖肽类抗生素，广泛用于治疗耐甲氧                          4.2 拉莫三嗪
          西林金黄色葡萄球菌和其他革兰氏阳性菌感染。但万                                 拉莫三嗪是第二代抗癫痫药物，其药动学变异大，
          古霉素治疗窗窄，较易发生肾损伤等不良反应，因此有                            导致患者用药个体差异大，因此有必要进行血药浓度监
                                                                                   [41]
          必要对其进行血药浓度监测以降低不良反应的发生率。                            测和个体化用药。Zhu等 采用机器学习算法预测了拉
                  [35]
          Huang等 采用集成算法对儿科患者应用万古霉素的谷                          莫三嗪的稳态谷浓度与剂量比值，其纳入了 1 141 个血
          浓度进行了预测，其纳入了 407 例使用万古霉素并开展                         药浓度监测点，将其中80%数据作为训练集用于模型构
          了治疗药物监测的儿童患者，以万古霉素谷浓度为目标                            建，剩余 20% 数据作为测试集用于模型测试，以平均绝
          变量，对8种不同算法的预测性能进行了比较，最终选择                           对误差为评价指标，对 15 个模型进行了 10 倍交叉验证
           2
          R 值较高的 5 种算法构建集成模型。结果显示，与经典                         的优化和评估。结果显示，非线性模型优于线性模型；
          的群体药动学预测模型相比，该集成模型拟合度及准确                            非线性模型中树外回归算法性能良好、拟合模型最优，
          度均更高。随后，该团队又纳入 184 例患者数据，采用                         且经验证，其可准确预测拉莫三嗪的稳态谷浓度与剂量
          XGBoost算法，对患者人口学信息、万古霉素相关信息、                        比值。
          实验室检查指标等共计 29 个变量进行了拟合，并采用                          5 不足与展望
          SHAP（Shapley Additive exPlanations）方法对各变量的              近年来，面对临床大样本、多影响因素、非线性关联
          影响进行直观的展示和解释，以平均绝对误差、均方误                            的诊疗数据，相比于传统的基于群体药动学的方法，机
          差和均方根误差为指标进行模型评价。结果显示，XG‐                           器学习算法在处理高维数据方面展现出了强大的优势，
                                   2
          Boost 算法拟合得到的模型 R 为 67.5%，平均绝对误差、                   现已在免疫抑制剂、抗感染药物和抗癫痫药物等血药浓
          均方误差和均方根误差分别为 0.212、0.097、0.310。该                   度预测和给药剂量预测领域取得了显著的成绩，在一定
          研究进一步采用 SHAP 方法解释了前 10 个重要的影响                       程度上提高了临床个体化用药水平，但仍存在一些局
                                            [36]
          变量，有望将这种方法应用于临床实践 。一项日本的                            限性。
          研究使用机器学习和决策树分析构建了万古霉素初始                                 首先，机器学习构建的模型不易解读。传统的统计
                            [37]
          剂量设置的最佳算法 。该研究纳入654例输注万古霉                           学方法或基于群体药动学构建的模型，对于输入值和处
          素并接受治疗药物监测的患者，分为训练集（n＝496）和                         理过程都有相对明确的关系。但目前绝大多数的机器
          测试集（n＝158）。训练集采用分类与回归树算法进行                          学习算法具有自主学习能力，没有明确的处理过程，常
          决策树分析，构建万古霉素初始剂量设置的算法（即决                            常被认为是“暗箱”，从而造成结果不易解释和难以理
          策树算法）；测试集比较了决策树算法和3种常规剂量设                           解。现有研究应用SHAP方法有助于模型结果的解释，
          置方法分别达到万古霉素治疗范围的百分率。结果显                             后续可利用人工智能技术将机器学习算法的实现过程
          示，与传统的剂量设置方法相比，决策树算法更优。                             更加“透明化”。
          4 机器学习在抗癫痫药物个体化给药中的应用                                   其次，机器学习需要的数据量大，其本质和核心是
              目前癫痫治疗以抗癫痫药物为主，常用的抗癫痫药                          通过算法使计算机从大量的数据中学习规律并形成相
          物如丙戊酸、卡马西平、苯妥英钠等都具有个体差异大、                           应的模型，进而对该模型进行验证和不断优化。因此，
                                 [38]
          治疗周期相对较长的特点 。按照临床治疗指南的建                             机器学习得到的预测模型需要不断使用大量数据进行
          议，需对这类药物进行药物浓度监测，以提高疗效、降低                           训练保证其有效。但目前相关研究所用的样本量都不
                  [39]
          不良反应 。                                              算大，且现有的医疗环境在数据共享方面还存在较大壁
          4.1 丙戊酸                                             垒，导致预测模型的准确率还有待进一步提高。因此，
              本课题组曾采用支持向量机技术对丙戊酸的血药                           今后的临床数据应尽量做到规范化、结构化，使诊疗大
          浓度进行预测 。本课题组收集了 206 例患者共计 271                       数据能真正地被应用于临床AI分析。
                      [40]

          · 120 ·    China Pharmacy  2023 Vol. 34  No. 1                               中国药房  2023年第34卷第1期
   125   126   127   128   129   130   131   132   133   134   135