论文部分内容阅读
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中药动学模型拟合的过程,是进行TDM 研究的合适工具[4]。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。
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。