Page 129 - 中国全科医学2022-01

·254· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

·前沿进展·

机器学习在临床药物治疗中的研究进展

1
吴行伟 1，2 ，刘馨宇 ，龙恩武 1，2 ，童荣生 1，2* 扫描二维码
查看原文
【摘要】 随着真实世界研究、精准治疗等概念的提出和发展，科研工作者对医疗大数据处理的需求不断增大。
机器学习技术因在处理海量、高维数据及开展预测研究等方面具有独特优势，故而近些年在医学领域的应用不断深入。
除应用于疾病诊断、影像识别和风险预测外，越来越多的研究证明机器学习可被应用于临床药物治疗的决策支持相关
研究中。本文就机器学习在临床药物治疗中的研究进展予以综述。
【关键词】 机器学习；临床药物治疗；真实世界研究；精准治疗；综述
【中图分类号】 R 319 【文献标识码】 A DOI：10.12114/j.issn.1007-9572.2021.01.309
吴行伟，刘馨宇，龙恩武，等 . 机器学习在临床药物治疗中的研究进展［J］. 中国全科医学，2022，25（2）：
254-258. ［www.chinagp.net］
WU X W，LIU X Y，LONG E W，et al. Research progress of machine learning in clinical drug therapy［J］. Chinese
General Practice，2022，25（2）：254-258.

1
Research Progress of Machine Learning in Clinical Drug Therapy WU Xingwei 1，2 ，LIU Xinyu ，LONG Enwu 1，2 ，TONG
Rongsheng 1，2*
1.Department of Pharmacy，Sichuan Academy of Medical Sciences & Sichuan Provincial People's Hospital，Chengdu 610072，
China
2.Personalized Drug Therapy Key Laboratory of Sichuan Province，School of Medicine，University of Electronic Science and
Technology of China，Chengdu 610072，China
*
Corresponding author：TONG Rongsheng，Professor，Chief pharmacist；E-mail：2207132448@qq.com
【Abstract】 With the advancement and development of concepts such as real-world research and precision treatment，
the demand of researchers for medical big data processing keeps increasing. Because machine learning technology has unique
advantages in processing massive，high-dimensional data and conducting predictive research，it has been deeply applied in the
medical field in recent years. In addition to the application in disease diagnosis，image recognition and risk prediction，more and
more studies have proved that machine learning can be applied to the decision support related research of clinical drug treatment.
This article reviews the research progress of machine learning in clinical drug therapy.
【Key words】 Machine learning；Clinical drug therapy；Real world research；Accurate treatment；Review

近年来，随着临床信息系统的建立和完善，医疗数据的 病率和死亡率上升、住院时间延长 ［1-4］ 等问题出现。
可用性不断提高。然而，影响药物治疗结果的因素繁杂，且 机器学习作为人工智能的核心技术，由于其在处理高维
各因素之间可能存在交互作用。因此，对药物治疗过程中产 度、大数据等方面的独特优势，越来越多地被应用于分析药
生的真实世界数据进行分析时，面临高维度、大样本、共线 物治疗过程中患者复杂的临床特征和用药情况。本文对机器
性等复杂问题。这些问题使得临床药师在复杂的临床状态下， 学习在临床药物治疗中的进展和成果予以综述，内容包括药
难以对药物作用的效果和风险进行有效的早期识别和预测， 物处方和用药剂量、药物不良反应、药物疗效、耐药性、药
从而影响药物治疗结果，导致疾病进程加快、负担加重、患 物相互作用和用药依从性等，为临床医生及药学同行开展基
于机器学习的预测模型研究提供方法和模式的参考。
基金项目：国家自然科学基金资助项目（72004020）；国家重 1 机器学习概述
点研发计划（2020YFC2005506） 机器学习由计算机科学家 Arthur Samuel 于 1959 年提出，
1.610072 四川省成都市，电子科技大学医学院 个体化药物治疗 ［5］
四川省重点实验室 其被描述为“计算机在没有编程的情况下的学习能力” ，
2.610072 四川省成都市，四川省医学科学院·四川省人民医院 可被理解为基于真实世界数据或以往的经验开发数据驱动的
药学部 算法，以学习和模仿人类的行为 ［6］ 。根据学习方式的不同，
*
通信作者：童荣生，教授，主任药师； 机器学习分为有监督学习、无监督学习和强化学习等。监督
E-mail：2207132448@qq.com
本文数字出版日期：2021-11-25 学习即输入大量带有标签的样本数据以建立一个模型并得到