基于数据驱动的联合药效动力学及精准靶控理论与方法研究

Combination of anesthesia drugs in a surgical process is critical to the success of the operation, which currently relies mainly on the anesthesiologist’s basic theories and clinical experience. This is a very limited way. Meanwhile, joint pharmacodynamics study has been stagnant in more than 10 years. With large data applied in the medical field, light is thrown onto the joint pharmacodynamics studies. This project aims to integrate experts in the fields of automation, pharmacology, anesthesia, machine learning to figure out the theories and techniques of joint pharmacodynamics model and mechanism by data-driven method.. Based on the accumulated hundreds of thousands of cases research records and data during nearly 30 years, the project tries to build a pharmacodynamics data platform based on Spark, to do research on data cleaning and data association analysis method based on pharmacodynamics and the experience of anesthesia experts, to establish efficacy relations between various drugs and different individuals and drug interaction mechanism based on depth learning of obtained data by neural network, to get relation model of “drug-patients-efficacy”, then to achieve clinical accuracy of autonomous intelligent drug delivery through target-controlled infusion in accordance with individual differences with the introduction of the thought of multi-channel double closing ring feedback control into existing target control infusion to get the accurate treatment for patients. And it will be put into clinical trials.

手术过程中的麻醉联合用药是手术成功的关键，目前主要依赖麻醉医生基础理论与临床经验，存在很大局限性，然而联合药效动力学研究近十几年一直停滞不前。随着大数据在医疗领域的应用，给联合药效动力学研究带来曙光。本项目拟整合自动控制、药理学、麻醉学、机器学习等领域专家，用数据驱动的方法探讨联合药效动力学模型和机理的理论和技术。.根据近三十年积累几十万例研究病历和数据，构建基于Spark的药效动力学数据平台和药效数据质量管理方法，研究基于药效动力学和麻醉专家经验的数据关联分析方法；构建药效深度神经网络，建立常见麻醉药物针对不同个体之间的药效关系和药物相互作用机理，获取“药物-患者-药效”的关系模型；而后在现有靶控输注上引入多通道双闭环反馈控制思想，针对个体差异通过靶控输注实现临床的精准自主智能化给药，实现患者的精准救治，并临床试验。

项目背景：手术过程中的麻醉联合用药是手术成功的关键，目前主要依赖麻醉医生基础理论与临床经验，存在很大局限性，然而联合药效动力学研究近十几年一直停滞不前。随着大数据在医疗领域的应用，给联合药效动力学研究带来曙光。本项目整合自动控制、药理学、麻醉学、机器学习等领域专家，用数据驱动的方法探讨联合药效动力学模型和机理的理论和技术。.主要研究内容：本项目通过建立联合用药大数据库，根据专家关联规则进行数据清洗，深度挖掘参数、病人、用药、药效间的关系，建立联合用药药效动力学模型，并用于指导精准靶控输注，提升临床效果。具体研究内容：（1）医学药效数据质量管理方法研究。主要包括建立基于历史数据的数据质量管理方法；建立生理特征数据的时空一致性配准方法；建立多尺度动态信息量化方法；（2）通过大数据分析建立联合用药药效评价模型。主要包括建立药效生理特征与药物和个体之间的关联关系，获得进一步将数据进行有效的知识表达；建立医学药效信息深度学习的药效动力参数关联模型；进行药效动力学关联模型的数据演绎与推理。（3）建立基于药效反馈的精准靶控模型及控制方法。建立临床需要的稳定药效为目标，建立多通道（联合用药）给药的精准靶控输注系统。.重要结果和数据：构建了基于本地反馈和大数据反馈的药效机理和基于药效反馈的精准靶控系统，该系统通过实时数据采集，大数据采集，实时反馈控制TCI泵，最终获得稳定药效，实现精准靶控。并在南部战区总医院临床麻醉中心得到了临床应用。.科学意义：本项目根据近三十年积累几十万病例数据，构建了基于Spark的药效动力学数据平台和药效数据质量管理方法；构建了药效深度神经网络，建立了常见麻醉药物针对不同个体之间的药效关系和药物相互作用机理，获取“药物-患者-药效”的关系模型；引入多通道双闭环反馈控制思想，实现了临床的精准自主智能化给药，对于临床医疗和保障人民健康具有重要意义。

内容获取失败，请点击重试