[發(fā)明專利]一種基于貝葉斯網(wǎng)絡(luò)和三維數(shù)學(xué)模型的藥品療效多指標(biāo)評(píng)價(jià)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010508271.3
• 申請(qǐng)日: 2020-06-06
• 公開（公告）號(hào): CN111863163A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 吳嘉瑞;姜迪;王苗苗;張冰
• 申請(qǐng)（專利權(quán)）人: 吳嘉瑞
• 主分類號(hào): G16H10/40
• 分類號(hào): G16H10/40;G16H50/70;G06K9/62;G06N7/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明實(shí)施例的方法中提出了一種基于貝葉斯網(wǎng)絡(luò)和三維數(shù)學(xué)模型的藥品療效多指標(biāo)評(píng)價(jià)方法，該方法首先按照預(yù)設(shè)模板采集評(píng)估藥品的原始實(shí)驗(yàn)數(shù)據(jù)，對(duì)原始實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理，得到用于評(píng)估的最終實(shí)驗(yàn)數(shù)據(jù)；然后對(duì)最終實(shí)驗(yàn)數(shù)據(jù)進(jìn)行異質(zhì)性分析，基于異質(zhì)性大小對(duì)最終實(shí)驗(yàn)數(shù)據(jù)分別處理后得到Meta分析證據(jù)關(guān)系圖；再然后基于多維貝葉斯模型計(jì)算出藥物藥效的相對(duì)排序，并根據(jù)相對(duì)排序獲得累積排序概率圖下面積值；最后基于累積排序概率圖下面積值對(duì)藥品藥效進(jìn)行多維聚類，完成藥品藥效的分類。本發(fā)明的技術(shù)方案填補(bǔ)了基于多結(jié)局指標(biāo)下貝葉斯方法和聚類分析的藥品藥效評(píng)估方面的空白，使得藥品藥效的評(píng)估分類結(jié)果更為精確，更具有參考性。

【技術(shù)領(lǐng)域】

本發(fā)明涉及生物信息技術(shù)領(lǐng)域，尤其涉及一種基于貝葉斯網(wǎng)絡(luò)和三維數(shù)學(xué)模型的藥品療效多指標(biāo)評(píng)價(jià)方法。

【背景技術(shù)】

在藥品臨床評(píng)價(jià)領(lǐng)域，RCT數(shù)據(jù)的綜合分析是重要評(píng)價(jià)手段，由于RCT多為兩種藥品對(duì)比的臨床試驗(yàn)，故治療同一疾病的多種藥品之間的療效綜合對(duì)比一直是醫(yī)學(xué)界的瓶頸問(wèn)題。已有方法僅能進(jìn)行雙指標(biāo)聚類評(píng)價(jià)。本專利在精準(zhǔn)采集藥品RCT試驗(yàn)數(shù)據(jù)的基礎(chǔ)上，以貝葉斯網(wǎng)絡(luò)和三維數(shù)學(xué)模型為核心技術(shù)，以meta分析為基礎(chǔ)技術(shù)，綜合呈現(xiàn)多種藥品間多指標(biāo)聚類比較結(jié)果，為藥品臨床評(píng)價(jià)提供了新模式、新思路、新方法。

【發(fā)明內(nèi)容】

有鑒于此，本發(fā)明實(shí)施例提供了一種基于貝葉斯網(wǎng)絡(luò)和三維數(shù)學(xué)模型的藥品療效多指標(biāo)評(píng)價(jià)方法。

第一方面，本發(fā)明實(shí)施例的方法包括：

S1、按照預(yù)設(shè)模板采集評(píng)估藥品的原始實(shí)驗(yàn)數(shù)據(jù)，對(duì)原始實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理，得到用于評(píng)估的最終實(shí)驗(yàn)數(shù)據(jù)；

S2、對(duì)最終實(shí)驗(yàn)數(shù)據(jù)進(jìn)行異質(zhì)性分析，基于異質(zhì)性大小對(duì)最終實(shí)驗(yàn)數(shù)據(jù)分別處理后得到Meta分析證據(jù)關(guān)系圖；

S3、基于多維貝葉斯模型計(jì)算出藥物藥效的相對(duì)排序，并根據(jù)相對(duì)排序獲得累積排序概率圖下面積值；

S4、基于累積排序概率圖下面積值對(duì)藥品藥效進(jìn)行多維聚類，完成藥品藥效的分類。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述S2具體包括：

S21、通過(guò)卡方檢驗(yàn)對(duì)最終實(shí)驗(yàn)數(shù)據(jù)進(jìn)行異質(zhì)性分析并獲得分析統(tǒng)計(jì)量I²；

S22a、若I²≤50％，則異質(zhì)性較小，則對(duì)最終實(shí)驗(yàn)數(shù)據(jù)進(jìn)行網(wǎng)狀Meta分析后得到Meta分析證據(jù)關(guān)系圖；

S22b、若I²＞50％，則異質(zhì)性較大，則對(duì)最終實(shí)驗(yàn)數(shù)據(jù)進(jìn)行隨機(jī)效應(yīng)模型進(jìn)而網(wǎng)狀Meta合并分析后得到Meta分析證據(jù)關(guān)系圖。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述Meta分析證據(jù)關(guān)系圖由State軟件進(jìn)行生成。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述S3具體包括：

S31、根據(jù)臨床試驗(yàn)數(shù)據(jù)和藥物信息庫(kù)獲取干全部擾措施有效的先驗(yàn)概率P(λ)以及各個(gè)干擾措施有效的先驗(yàn)概率P(θ_i)，θ_i為第i個(gè)干擾措施，不同的干擾措施對(duì)應(yīng)的是采用不同的藥物或者藥物組合物；

S32、根據(jù)所述Meta分析證據(jù)關(guān)系圖計(jì)算各個(gè)干擾措施下的后驗(yàn)概率其中，i∈n，B_i為貝葉斯因子，σ_P和μ_P為第i個(gè)干擾措施有效的標(biāo)準(zhǔn)差和平均值；后驗(yàn)概率計(jì)算的收斂條件基于馬爾可夫鏈鏈內(nèi)和鏈間方差S確定的，S≤1.2且迭代次數(shù)超過(guò)20000次；

S33、基于后驗(yàn)概率獲得干擾措施藥效的相對(duì)排序，并根據(jù)相對(duì)排序獲得累積排序概率圖下面積值。