革命性的中医药颗粒安慰剂用机器学习的四色模型

科学领域:

• 药理学 药理学是指药理学的学科.
• 计算化学的计算化学
• 传统中国医药 传统中国医药

背景情况:

• 随着新中国药物的不断发展,临床试验需要可靠的安慰剂.
• 目前模拟中医药颗粒颜色的方法是主观的,由于复杂的颜色变化,容易出现错误.

研究的目的:

• 开发一个准确的预测模型来模拟传统中医药颗粒的颜色.
• 克服手动色彩混合和主观评估在安慰剂开发中的局限性.

主要方法:

• 收集了52个草本颗粒,并使用填充剂和四种颜料制备了超过320个模拟颗粒.
• 使用可见光成像来捕获RGB颜色数据.
• 开发了一个机器学习模型,通过网络搜索和交叉验证优化K-means集群和评估回归模型 (GBR,SVR,随机森林).

主要成果:

• 随机森林模型实现了0.9249的平均R平方,优于其他评估模型.
• 该预测模型表现出高准确度,平均颜色差异 (ΔE) 为2.7734.
• 取得了优异的相似度得分:RGB值为0.9999和人工颜色得分为0.9366.

结论:

• 已经建立了一种创新和准确的机器学习方法来预测中医药颗粒的颜色.
• 该模型有助于快速,可靠地开发用于中国传统医学的临床适用安慰剂.
• 这些发现支持通过改进的安慰剂设计来推动TCM严格的临床研究.