本申請涉及智能預測領域，且更為具體地，涉及一種個體化用藥血藥濃度預測算法的輔助生成方法及系統。

背景技術：

1、在臨床治療中，藥物的血藥濃度是決定藥物療效和安全性的重要因素。然而，因患者生理、病理特征的改變，可能導致藥物的藥動學特種較健康志愿者發生變化，從而使得部分患者因血藥濃度過低而導致療效欠佳，部分患者因血藥濃度過高而出現不良反應。因此，說明書推薦的標準給藥方案并不一定適用于臨床患者，在臨床實踐中，需要進一步通過監測血藥濃度指導臨床醫生根據患者特征制定個體化藥物給藥方案。

2、患者用藥后的血藥濃度預測模型是指通過數學和統計學方法，基于藥物的藥動學特性，預測藥物在患者體內的濃度變化的模型。具體而言，群體藥動學，通過建立個體化用藥數學模型的方式，實現了通過輸入患者生理指標，即可計算出合適用量的數值分布。醫生可以利用這個數值分布的特征值（如期望值），實現對患者的差異化、精準化用藥。

3、但目前實際使用的群體藥動學模型，也存在一些問題，如：

4、1、模型中，核心參數的方差比較大，導致模型計算結果比較發散，對應于實際的患者，意味著可能存在比較大的偏差。

5、2、這些模型的參數基本上都是早些年通過一些實際醫療案例數據通過計算獲得的結果，存在人群區域分布不同、測量設備偏差、案例數量偏少等問題。

6、3、在治療實踐中，經常會發生血藥濃度預測值與監測值相差較大的情況，從而導致對模型適用性的懷疑。

7、因此，基于群體藥動學模型，期待一種優化的個體化用藥血藥濃度預測算法的輔助生成方法，能夠重新設計血藥濃度預測模型，以提高預測的準確性和可靠性。

技術實現思路

1、為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種個體化用藥血藥濃度預測算法的輔助生成方法及系統，其首先提取已經建立的血藥濃度預測模型的模型參數，并采用機器學習技術對各個用藥血藥濃度預測模型的模型參數進行特征編碼，來學習模型中各個參數之間的關聯，接著，通過對各個用藥血藥濃度預測模型的參數信息進行多維度能勢分析，來動態聚合模型參數內核特征，以學習到模型參數的核心分布模式，進而以此為依據進行模型參數還原，生成新的用藥血藥濃度預測模型。通過這種智能化模型生成方式，能夠顯著降低模型構建的復雜度，有助于提高個體化用藥血藥濃度預測的準確性，為臨床醫生提供更加科學、精準的用藥指導。

2、根據本申請的一個方面，提供了一種個體化用藥血藥濃度預測算法的輔助生成方法，其包括：

3、步驟s1：提取第一至第n用藥血藥濃度預測模型的模型參數以得到預測模型參數的集合；

4、步驟s2：對所述預測模型參數的集合中的各個預測模型的模型參數分別進行語義編碼以得到預測模型參數信息語義編碼向量的集合；

5、步驟s3：對所述預測模型參數信息語義編碼向量的集合進行內核特征提取以得到預測模型參數信息蒸餾表示向量；

6、步驟s4：基于所述預測模型參數信息蒸餾表示向量進行模型參數還原以得到第n+1用藥血藥濃度預測模型；

7、步驟s5：利用訓練數據來確定所述第n+1用藥血藥濃度預測模型的預測準確性；

8、步驟s6：如果所述第n+1用藥血藥濃度預測模型的預測準確性最高，將所述第n+1用藥血藥濃度預測模型確定為當前最優模型。

9、根據本申請的另一個方面，提供了一種個體化用藥血藥濃度預測算法的輔助生成系統，其包括：

10、模型參數提取模塊，用于提取第一至第n用藥血藥濃度預測模型的模型參數以得到預測模型參數的集合；

11、模型參數信息語義編碼模塊，用于對所述預測模型參數的集合中的各個預測模型的模型參數分別進行語義編碼以得到預測模型參數信息語義編碼向量的集合；

12、模型參數信息蒸餾模塊，用于對所述預測模型參數信息語義編碼向量的集合進行內核特征提取以得到預測模型參數信息蒸餾表示向量；

13、模型參數還原模塊，用于基于所述預測模型參數信息蒸餾表示向量進行模型參數還原以得到第n+1用藥血藥濃度預測模型；

14、濃度預測模塊，用于利用訓練數據來確定所述第n+1用藥血藥濃度預測模型的預測準確性；

15、當前最優模型生成模塊，用于如果所述第n+1用藥血藥濃度預測模型的預測準確性最高，將所述第n+1用藥血藥濃度預測模型確定為當前最優模型。

16、與現有技術相比，本申請提供的一種個體化用藥血藥濃度預測算法的輔助生成方法及系統，其首先提取現有的用藥血藥濃度預測模型的模型參數，并采用機器學習技術對各個用藥血藥濃度預測模型的模型參數進行特征編碼，來學習模型中各個參數之間的關聯，接著，通過對各個用藥血藥濃度預測模型的參數信息進行多維度能勢分析，來動態聚合模型參數內核特征，以學習到模型參數的核心分布模式，進而以此為依據進行模型參數還原，生成新的用藥血藥濃度預測模型。通過這種智能化模型生成方式，能夠顯著降低模型構建的復雜度，有助于提高個體化用藥血藥濃度預測的準確性，為臨床醫生提供更加科學、精準的用藥指導。

技術特征：

1.一種個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，包括：

2.根據權利要求1所述的個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，所述步驟s2，包括：

3.根據權利要求2所述的個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，所述步驟s3，包括：

4.根據權利要求3所述的個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，對所述預測模型參數信息語義編碼向量的集合進行多維度特征能勢分析以得到預測模型參數信息疊加態能勢因子的集合，包括：

5.根據權利要求4所述的個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，計算所述預測模型參數信息特征向量的集合中的各個預測模型參數信息特征向量的靜態能勢因子以得到預測模型參數信息靜態能勢因子的集合，包括：

6.根據權利要求5所述的個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，計算所述預測模型參數信息特征向量的集合中的各個預測模型參數信息特征向量相對于所述預測模型參數信息初始聚合表示向量的動態能勢因子以得到預測模型參數信息動態能勢因子的集合，包括：

7.根據權利要求6所述的個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，基于所述預測模型參數信息靜態能勢因子的集合和所述預測模型參數信息動態能勢因子的集合，確定所述預測模型參數信息特征向量的集合中的各個預測模型參數信息特征向量的疊加態能勢因子以得到所述預測模型參數信息疊加態能勢因子的集合，包括：

8.根據權利要求7所述的個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，基于所述預測模型參數信息疊加態能勢因子的集合，對所述預測模型參數信息語義編碼向量的集合進行內核特征聚集以得到所述預測模型參數信息蒸餾表示向量，包括：

9.根據權利要求8所述的個體化用藥血藥濃度預測算法的輔助生成方法，其特征在于，所述步驟s4，包括：

10.一種個體化用藥血藥濃度預測算法的輔助生成系統，其特征在于，包括：

技術總結
本申請公開了一種個體化用藥血藥濃度預測算法的輔助生成方法及系統，其首先提取現有的用藥血藥濃度預測模型的模型參數，并采用機器學習技術對各個用藥血藥濃度預測模型的模型參數進行特征編碼，來學習模型中各個參數之間的關聯，接著，通過對各個用藥血藥濃度預測模型的參數信息進行多維度能勢分析，來動態聚合模型參數內核特征，以學習到模型參數的核心分布模式，進而以此為依據進行模型參數還原，生成新的用藥血藥濃度預測模型。通過這種智能化模型生成方式，能夠顯著降低模型構建的復雜度，有助于提高個體化用藥血藥濃度預測的準確性，為臨床醫生提供更加科學、精準的用藥指導。

技術研發人員：王陶陶,董亞琳,孫金鑰,王楚慧,陳思穎,杜倩,曾衛東,王光啟
受保護的技術使用者：西安交通大學醫學院第一附屬醫院
技術研發日：
技術公布日：2025/4/24