整合机器学习和人类使用经验,在传统中医中识别个性化药疗:对抗性高血压的案例研究
Che Qianzi1, Liu Dasheng2, Xiang Xinghua1
1Department of Medical Statistics, Institute of Basic Research in Clinical Medicine, China Academy of Chinese Medical Sciences, Beijing 100700, China.
Journal of traditional Chinese medicine = Chung i tsa chih ying wen pan
|February 17, 2025
概括
机器学习模型识别了耐性高血压 (RH) 预后的关键因素,帮助个性化传统中医 (TCM) 治疗和药物开发.
科学领域:
- 综合医学是一个整体的医学.
- 计算药理学计算药理学
- 心血管研究研究心血管研究
背景情况:
- 抗性高血压 (RH) 在心血管疾病管理方面带来了重大挑战.
- 传统中医药 (TCM) 的个性化药疗需要对其基本原则有更深入的了解.
- 确定预后因素对于有效的RH治疗策略至关重要.
研究的目的:
- 增强对TCM中耐性高血压 (RH) 个性化药物治疗的理解.
- 支持新TCM药物的注册和开发.
- 通过使用数据驱动的方法来确定RH患者的预后因素.
主要方法:
- 使用通用增强模型和XGBoost用于分类模型的构建.
- 利用关联分析来探索"症状-综合征"和"症状-草药"的关系.
- 确定了RH预后的主要影响因素.
主要成果:
- 患有重大心脏不良事件的患者往往会出现复杂的,交织在一起的症状 (,停滞,缺乏,火).
- 总结了使用中药草药用于RH精确症状干预的临床经验.
- 与传统西方医学一起,为个性化的TCM干预奠定了基础.
结论:
- 机器学习算法有效地利用人类的经验和TCM的证据.
- 这种方法可以显著节省临床试验资源.
- 加快新TCM药物和疗法的开发和注册.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:50Author Spotlight: Integrating 2D-HPLC-MS and Molecular Networking in Natural Medicine Analysis
Published on: December 8, 2023
421
