TIRPnet:基于深度神经网络的传统中医成分的风险预测
Jianxiang Wei1, Jimin Dai2, Yuehong Sun3
1School of Management, Nanjing University of Posts and Telecommunications, Nanjing, 210003, China.
Journal of ethnopharmacology
|February 5, 2024
概括
这项研究介绍了TIRPnet,这是一种深度学习模型,可以准确地预测传统中医 (TCM) 成分的药物不良反应 (ADR). 这种工具提高了TCM的安全性,并有助于开发更安全的处方.
科学领域:
- 药物监督 药物监督 药物监督
- 计算药理学是一种计算药理学.
- 传统中国医学 (TCM) 是一种
背景情况:
- 拥有3000多年的历史的中医药在预测风险方面面临挑战,原因是复杂的成分和不清楚的机制.
- 越来越多的关于TCM中药物不良反应 (ADR) 的报道需要加强安全监测.
- 由于ADR报告的增加,TCM的安全性已成为一个重大问题.
研究的目的:
- 开发和验证一个深度学习框架,用于预测TCM成分引起的不良反应的概率.
- 利用现实世界的数据来验证拟议的预测模型.
主要方法:
- 分析了来自中国江苏省的72561份TCM ADR报告的数据集.
- 一个名为TIRPnet的深度神经网络 (DNN) 模型是使用一次热编码成分数据构建的.
- 用十个最常见的TCM成分及其相关的ADR来评估模型性能.
主要成果:
- 作为7层DNN的TIRPnet表现出卓越的预测性能.
- 关键性能指标包括灵敏度 (0.950),特异性 (0.995),准确度 (0.994),精度 (0.708) 和F1评分 (0.811).
结论:
- 通过分析自发报告,TIRPnet可以预测单个TCM成分的药物不良反应 (ADR).
- 该模型为TCM药监测提供了宝贵的技术支持.
- TIRPnet帮助临床医生设计更安全的TCM处方.
