| 基于深度Q网络的BECT治疗药物左乙拉西坦用药剂量推荐 |
| |
| 引用本文： | 吴青,李卓,沈一飞.基于深度Q网络的BECT治疗药物左乙拉西坦用药剂量推荐[J].中国现代应用药学,2022,39(12):1585-1590. |
| |
| 作者姓名： | 吴青 李卓 沈一飞 |
| |
| 作者单位： | 重庆医科大学附属儿童医院药剂部, 国家儿童健康与疾病临床医学研究中心, 儿童发育疾病研究教育部重点实验室, 儿科学重庆市重点实验室, 重庆 400014;重庆邮电大学计算机科学与技术学院, 重庆 400065;香港理工大学电子计算系, 中国香港 999077 |
| |
| 基金项目： | 重庆市科卫联合医学科研项目(2021MSXM234);儿童医疗保障创新研究项目(NCRCCHD-2019-HP-15) |
| |
| 摘 要： | 目的 基于深度Q网络模型推荐伴中央颞区棘波的儿童良性癫痫患儿抗癫痫发作治疗药物左乙拉西坦的口服剂量，辅助医师制定精准的个性化用药方案。方法 收集整理2016年1月1日—2021年4月29日重庆医科大学附属儿童医院245例伴中央颞区棘波的儿童良性癫痫患儿的随访数据，利用深度强化学习技术，构建一个基于深度Q网络的儿童癫痫智能用药剂量推荐模型，并将专业医师处方与算法推荐的左乙拉西坦每日用药总剂量进行比较。结果 在推荐每日用药总剂量分布上，深度Q网络推荐的分布情况跟专业医师处方大体相似且更倾向于推荐在数据集当中分布较多并且具有统计意义的用药剂量。对基于深度Q网络剂量推荐在伴中央颞区棘波的儿童良性癫痫治疗药物左乙拉西坦的用药剂量的准确性进行了比较，每日用药总剂量分类平均准确率为89.7%，分类推荐用药平均误差为0.341 3。结论 初步验证了基于深度Q网络的用药剂量推荐模型的有效性，为该算法模型推广到更多抗癫痫发作治疗药物剂量推荐中提供参考。
|
| 关 键 词： | 伴中央颞区棘波的儿童良性癫痫 左乙拉西坦 剂量推荐 深度强化学习 深度Q网络 |
| 收稿时间： | 2022/3/24 0:00:00 |
Dosage Recommendation of Levetiracetam for the Treatment of BECT in Children Based on Deep Q Network |
| |
| WU Qing,LI Zhuo,SHEN Yifei.Dosage Recommendation of Levetiracetam for the Treatment of BECT in Children Based on Deep Q Network[J].The Chinese Journal of Modern Applied Pharmacy,2022,39(12):1585-1590. |
| |
| Authors: | WU Qing LI Zhuo SHEN Yifei |
| |
| Institution: | Department of Pharmacy, Children''s Hospital of Chongqing Medical University, National Clinical Research Center for Child Health and Disorders, Ministry of Education Key Laboratory of Child Development and Disorders, Chongqing Key Laboratory of Pediatrics, Chongqing 400014, China;School of Computer Science and Technology, Chongqing University of Posts and Telecommunications, Chongqing 400065, China; Department of Computing, The University of Hong Kong Polytechnic University, Hong Kong 999077, China |
| |
| Abstract: | |
| |
| Keywords: | benign childhood epilepsy with centro-temporal spikes levetiracetam drug dosage recommendation deep reinforcement learning deep Q network |
|
| 点击此处可从《中国现代应用药学》浏览原始摘要信息 |
| 点击此处可从《中国现代应用药学》下载免费的PDF全文 |
