克洛扎毒性预测器:深度神经网络模型预测克洛扎毒性及其治疗剂量范围
Adam Wysokiński1, Joanna Dreczka1
1Medical University of Lodz, Department of Old Age Psychiatry and Psychotic Disorders, Czechosłowacka 8/10, 92-216 Łódź, Poland.
一个新的深度神经网络可以预测克洛扎宾和诺克洛扎宾度,帮助临床医生管理耐治疗精神分裂症. 这种工具有助于优化克洛扎宾的剂量,并在治疗药物监测有限时最大限度地减少不良事件.
科学领域:
- 药理学 药理学是指药理学的学科.
- 人工智能的人工智能
- 精神病学是一个精神病学.
背景情况:
- 克洛扎对于耐治疗精神分裂症至关重要,但具有严重的不良反应.
- 副作用通常依赖于度,需要治疗药物监测 (TDM).
- 获得TDM的限制阻碍了最佳的克洛扎剂量定位.
研究的目的:
- 开发和验证深度神经网络,用于预测克洛扎和诺克洛扎的度.
- 为了估计 clozapine 的毒性和治疗剂量范围.
- 为临床医生提供一个实用的工具来指导克洛扎平治疗.
主要方法:
- 通过使用69名患者的临床数据,训练了一个深度神经网络.
- 输入特征包括生物性别,年龄,克洛札剂量,BMI,CRP和CYP酶相互作用.
- 模型有效性在一个由三名患者组成的单独试验组上进行了评估.
主要成果:
- 深度神经网络显示了对克洛沙平和诺克洛沙平度的预测能力.
- 该模型提供了对潜在毒性和治疗剂量范围的洞察.
- 介绍了培训有效性数据和实际应用分析.
结论:
- 发达的深度神经网络为克洛扎TDM提供了有价值的工具.
- 这种人工智能驱动的方法可以改善克洛沙平的管理,特别是当TDM访问受到限制时.
- 该模型以许可许可许可证的形式作为Web应用程序免费提供.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
14:14Targeting Neuronal Fiber Tracts for Deep Brain Stimulation Therapy Using Interactive, Patient-Specific Models
Published on: August 12, 2018
相关概念视频
Nonlinear Pharmacokinetics: Dependence of Elimination Half-Life and Dose Clearance
A study on guinea pigs examined the...
Drug Therapy
Antianxiety Medications
Psychosis: Goals of Pharmacotherapy
Antipsychotic Drugs: Typical and Atypical Agents
Drugs Affecting Neurotransmitter Synthesis
Nonlinear Pharmacokinetics: Overview
Nonlinearity can arise due to the saturation of plasma protein-binding or...
