Page 131 - 《中国药房》2023年1期

再次，机器学习对计算机知识背景要求较高，但目 2019，40（12）：1603-1610.
前多数医务工作者对该领域了解不多，使得其应用受 [13] XUE L，ZHANG W W，DING X L，et al. Population phar‐
限；而拥有计算机知识背景的人员可能对医学知识不太 macokinetics and individualized dosage prediction of cy‐
了解，导致其所建模型和预测结果让临床人员难以理 closporine in allogeneic hematopoietic stem cell transplant
解。随着机器学习的快速发展，学科交叉的不断深入， patients[J]. Am J Med Sci，2014，348（6）：448-454.
[14] CANDELA-BOIX M R，RAMÓN-LÓPEZ A，NALDA-
今后可推荐医务工作者接受机器学习相关训练，从而能
MOLINA R，et al. Population pharmacokinetics models of
更好地分析、整合信息并在机器学习的辅助下作出更为
sirolimus in renal transplant patients：a systematic review
科学的临床决策。
[J]. Farm Hosp，2021，45（7）：77-83.
总之，基于治疗药物监测的个体化治疗是临床合理
[15] 傅晓华，洪晓丹，刘石带，等 . 人工神经网络模型在肾移
用药的重要环节，机器学习相比传统方法能够更精准地 植患者他克莫司个体化给药中的应用[J]. 中国药学杂
预测血药浓度和给药剂量，提高临床精准用药水平，减 志，2013，48（12）：1000-1004.
少不良反应的发生。相信在未来的治疗药物监测和个 [16] 洪晓丹，李碧虹，罗美娟，等 . 肝移植受者他克莫司血药
体化用药实践中，机器学习将发挥更大的作用，实现个 浓度早期预测方案及评估[J].中国医院药学杂志，2013，
体化治疗决策的智能化。 33（5）：381-385.
参考文献 [17] CHEN H Y，CHEN T C，MIN D I，et al. Prediction of ta‐
[ 1 ] DEO R C.Machine learning in medicine[J]. Circulation， crolimus blood levels by using the neural network with ge‐
2015，132（20）：1920-1930. netic algorithm in liver transplantation patients[J]. Ther
[ 2 ] KOLLURI S，LIN J，LIU R，et al. Machine learning and Drug Monit，1999，21（1）：50-56.
artificial intelligence in pharmaceutical research and de‐ [18] THISHYA K，VATTAM K K，NAUSHAD S M，et al. Arti‐
velopment：a review[J]. AAPS J，2022，24（1）：19. ficial neural network model for predicting the bioavailabi-
[ 3 ] 刘雨安，杨小文，李乐之.机器学习在疾病预测的应用研 lity of tacrolimus in patients with renal transplantation[J].
究进展[J].护理学报，2021，28（7）：30-34. PLoS One，2018，13（4）：e0191921.
[ 4 ] 刘子暖，杨俊杰，陈韵岱.机器学习在冠状动脉计算机断 [19] CAI N，ZHANG X，ZHENG C，et al. A novel random fo-
层扫描领域的应用及进展[J].解放军医学杂志，2021，46 rest integrative approach based on endogenous CYP3A4
（3）：286-293. phenotype for predicting tacrolimus concentrations and
[ 5 ] 张景奇，史文宝，纪秀娟.机器学习在医疗和公共卫生中 dosages in Chinese renal transplant patients[J]. J Clin
应用[J].中国公共卫生，2019，35（10）：1449-1452. Pharm Ther，2020，45（2）：318-323.
[ 6 ] VAMATHEVAN J，CLARK D，CZODROWSKI P，et al. [20] SEELING W，PLISCHKE M，DE BRUIN J S，et al.
Applications of machine learning in drug discovery and Knowledge-based immunosuppressive therapy for kidney
development[J]. Nat Rev Drug Discov，2019，18（6）： transplant patients：from theoretical model to clinical inte‐
463-477. gration[J]. Stud Health Technol Inform，2015，216：1119.
[ 7 ] 韦炳华，叶毅芳，罗美娟，等 . 肝移植患者他克莫司个体 [21] TANG J，LIU R，ZHANG Y L，et al. Application of
化给药研究[J].中国临床药理学与治疗学，2012，17（7）： machine-learning models to predict tacrolimus stable dose
791-796. in renal transplant recipients[J]. Sci Rep，2017，7：42192.
[ 8 ] 傅晓华，叶毅芳，罗美娟，等 . 人工神经网络预测肝移植 [22] WOILLARD J B，LABRIFFE M，DEBORD J，et al. Ta‐
术受者他克莫司血药浓度[J]. 药学学报，2012，47（9）： crolimus exposure prediction using machine learning[J].
1134-1140. Clin Pharmacol Ther，2021，110（2）：361-369.
[ 9 ] BADILLO S，BANFAI B，BIRZELE F，et al. An introduc‐ [23] WOILLARD J B，LABRIFFE M，PRÉMAUD A，et al. Es‐
tion to machine learning[J]. Clin Pharmacol Ther，2020， timation of drug exposure by machine learning based on
107（4）：871-885. simulations from published pharmacokinetic models：the
[10] KOZA J R，BENNETT F H，ANDRE D，et al. Automated example of tacrolimus[J]. Pharmacol Res，2021，167：
design of both the topology and sizing of analog electrical 105578.
circuits using genetic programming[J]. Artif Intell Des， [24] 余俊先，史丽敏，李珊，等 . 肾移植受者的环孢素剂量预
1996：123-134. 测[J].中国医院药学杂志，2010，30（17）：1451-1454.
[11] PUNCHOO R，BHOORA S，PILLAY N. Applications of [25] 余俊先，史丽敏，王汝龙，等.基于人工神经网络的环孢素A
machine learning in the chemical pathology laboratory[J]. 个体化给药设计[J].中国药学杂志，2010，45（12）：927-930.
J Clin Pathol，2021，74（7）：435-442. [26] 余俊先，夏杰，史丽敏，等 . 人工神经网络建立的环孢素
[12] LI T F，HU L，MA X L，et al. Population pharmacokine- A 血药浓度预测模型[J]. 中国药物应用与监测，2010，7
tics of cyclosporine in Chinese children receiving hemato‐ （1）：52-55.
poietic stem cell transplantation[J]. Acta Pharmacol Sin， （下转第128页）

中国药房 2023年第34卷第1期 China Pharmacy 2023 Vol. 34 No. 1 · 121 ·