基于支持向量机技术预测丙戊酸钠血药浓度

作者：马攀; 贾运涛; 刘芳; 程林; 王红迁; 严波; 陈勇川^*

来源：安徽医药, 2021, 25(01): 35-39.

• 丙戊酸钠
• 精准医学
• 机器学习
• 线性模型
• 支持向量机
• 血药浓度
• 个体化用药

目的基于支持向量机(SVM)技术,建立丙戊酸钠的血药浓度预测模型。方法收集陆军军医大学第一附属医院2015年1月至2018年12月确诊为癫痫且服用丙戊酸钠缓释片的病人的血药浓度及16个血药浓度影响因素指标数据。利用随机数字表法将收集的206例病人共271个样本数据分为190个构成训练样本集以及81个构成测试样本集。基于SVM技术对190个训练样本进行训练,建立预测模型。再用外部验证法将81个测试样本的血药浓度模型预测值与实际观测值进行对比。结果训练样本集和测试样本集中病人的各临床指标除胱抑素C外,其余指标差异无统计学意义(P≥0.05),训练样本集中病人胱抑素C为(1.17±1.23)mg/L,明显高于测试样本集中病人的(0.93±0.84)mg/L(P=0.012)。基于SVM技术的血药浓度预测模型取得了较好的预测效果,模型预测值与实际观测值相对误差:小于5%的12个;5%～10%(含)的23个;10%～15%(含)的21个;15%～20%(含)的13个;20%～25%(含)的4个,超过25%的8个;平均相对误差为12.12%,相对误差小于20%(含)的样本占比达到85.18%。平均绝对误差为9.98 mg/L,绝对误差小于20 mg/L的样本占比达到95.06%。模型预测值与实际观测值的相关系数为0.788。结论 SVM技术在血药浓度预测方面具有良好的应用前景,基于该技术的丙戊酸钠血药浓度预测模型准确度较好,模型预测值与实际观测值的相关性较好,相对误差较小,可为临床制定个体化给药方案提供参考。

• 单位
  重庆医科大学; 中国人民解放军陆军军医大学; 重庆医科大学附属儿童医院