[发明专利]个体化药物剂量预测方法、装置、电子设备及存储介质

权利要求书

1.一种个体化药物剂量预测方法，其特征在于，包括：

获取与目标个体有关的临床原始数据，对所述临床原始数据进行数据清洗后，得到待分析数据；

对所述待分析数据中的连续型自变量和分类型自变量采用单因素分析方法进行变量初筛，得到显著单因素变量，所述显著单因素变量与治疗药物单位时间使用剂量具有显著相关性；

对所述显著单因素变量中的所述连续型自变量进行分段处理及独热编码，对所述显著单因素变量中的所述分类型自变量中的多分类自变量进行独热编码，基于所述显著单因素变量得到二分类自变量数据集；基于所述二分类自变量数据集通过特征工程方法构建交叉变量，生成交叉变量数据集；以所述治疗药物单位时间使用剂量作为目标变量，基于所述交叉变量数据集，通过逐步回归筛选得到显著交叉变量，所述显著交叉变量与所述治疗药物单位时间使用剂量具有显著相关性；

将所述显著单因素变量和所述显著交叉变量合并，得到建模数据集；以所述治疗药物单位时间使用剂量作为目标变量，基于所述建模数据集，采用预设机器学习算法构建预测模型以用于所述目标个体的给药剂量预测。

2.根据权利要求1所述的个体化药物剂量预测方法，其特征在于，所述对所述待分析数据中的连续型自变量和分类型自变量采用单因素分析方法进行变量初筛，得到显著单因素变量，具体包括：

将所述连续型自变量与所述治疗药物单位时间使用剂量进行Pearson相关性检验，判断所述连续型自变量与所述治疗药物单位时间使用剂量的关系是否显著；

将所述分类型自变量与所述治疗药物单位时间使用剂量进行Mann-Whitney U检验，判断所述分类型自变量与所述治疗药物单位时间使用剂量的关系是否显著；

基于与所述治疗药物单位时间使用剂量的关系显著的所述连续型自变量和所述分类型自变量得到所述显著单因素变量。

3.根据权利要求1所述的个体化药物剂量预测方法，其特征在于，所述以所述治疗药物单位时间使用剂量作为目标变量，基于所述建模数据集，采用预设机器学习算法构建预测模型以用于所述目标个体的给药剂量预测，具体包括：

以所述治疗药物单位时间使用剂量作为目标变量，基于所述建模数据集，采用XGBoost算法构建树状预测模型；模型训练过程中采用auto-ml对模型自动调参，并采用K折交叉验证的方式优化模型，进而得到所述预测模型以用于所述目标个体的给药剂量预测。

4.根据权利要求1所述的个体化药物剂量预测方法，其特征在于，所述临床原始数据包括人口统计学数据、治疗药物使用数据、联合用药数据、辅助治疗数据、基因多态性数据、检验数据、诊断数据中的至少一种。

5.根据权利要求1所述的个体化药物剂量预测方法，其特征在于，所述数据清洗包括利用正则表达式进行文本信息抽取、数据分组、数据转置、数据标准化、数据去重、缺失值处理、异常值处理、数据降维及变量计算中的至少一种。

6.根据权利要求1所述的个体化药物剂量预测方法，其特征在于，所述特征工程方法包括Feature Tools方法。

7.根据权利要求1所述的个体化药物剂量预测方法，其特征在于，所述治疗药物单位时间使用剂量包括治疗药物日使用剂量。