机器学习在临床药物治疗中的研究进展

被引：27

作者：

吴行伟 ^{[1
,2
]}

刘馨宇 ^{[1
]}

龙恩武 ^{[1
,2
]}

童荣生 ^{[1
,2
]}

机构：

[1] 电子科技大学医学院个体化药物治疗四川省重点实验室

[2] 四川省医学科学院·四川省人民医院药学部

来源：

中国全科医学 | 2022年 / 25卷 / 02期

基金：

国家重点研发计划;

关键词：

机器学习; 临床药物治疗; 真实世界研究; 精准治疗; 综述;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; R453 [药物疗法、化学疗法];

学科分类号：

100231 [临床病理学]; 140502 [人工智能];

摘要：

随着真实世界研究、精准治疗等概念的提出和发展,科研工作者对医疗大数据处理的需求不断增大。机器学习技术因在处理海量、高维数据及开展预测研究等方面具有独特优势,故而近些年在医学领域的应用不断深入。除应用于疾病诊断、影像识别和风险预测外,越来越多的研究证明机器学习可被应用于临床药物治疗的决策支持相关研究中。本文就机器学习在临床药物治疗中的研究进展予以综述。

引用

页码：254 / 258

页数：5

共 34 条

[1]

采用机器学习方法建立Ⅰ类切口手术患者使用抗菌药物合理性的评价模型 [J].

朱立强 ;

王勇敢 ;

李卫华 ;

苏庆军 ;

白桂花 ;

石德光 ;

崔丽华 .

中国药房, 2019, 30 (09) :1260-1265

[2]

Machine learning models predicting multidrug resistant urinary tract infections using "DsaaS" [J].

Mancini, Alessio ;

Vito, Leonardo ;

Marcelli, Elisa ;

Piangerelli, Marco ;

De Leone, Renato ;

Pucciarelli, Sandra ;

Merelli, Emanuela .

BMC BIOINFORMATICS, 2020, 21 (Suppl 10)

[3]

Predicting Inpatient Medication Orders From Electronic Health Record Data [J].

Rough, Kathryn ;

Dai, Andrew M. ;

Zhang, Kun ;

Xue, Yuan ;

Vardoulakis, Laura M. ;

Cui, Claire ;

Butte, Atul J. ;

Howell, Michael D. ;

Rajkomar, Alvin .

CLINICAL PHARMACOLOGY & THERAPEUTICS, 2020, 108 (01) :145-154

[4]

Toward Optimal Heparin Dosing by Comparing Multiple Machine Learning Methods: Retrospective Study [J].

Su, Longxiang ;

Liu, Chun ;

Li, Dongkai ;

He, Jie ;

Zheng, Fanglan ;

Jiang, Huizhen ;

Wang, Hao ;

Gong, Mengchun ;

Hong, Na ;

Zhu, Weiguo ;

Long, Yun .

JMIR MEDICAL INFORMATICS, 2020, 8 (06)

[5]

Comparison of the predictive outcomes for anti-tuberculosis drug-induced hepatotoxicity by different machine learning techniques.[J].Nai-Hua Lai;Wan-Chen Shen;Chun-Nin Lee;Jui-Chia Chang;Man-Ching Hsu;Li-Na Kuo;Ming-Chih Yu;Hsiang-Yin Chen.Computer Methods and Programs in Biomedicine.2020,

[6]

Predictive models of medication non-adherence risks of patients with T2D based on multiple machine learning algorithms [J].