一种临床治疗效果的评价方法与流程

本技术涉及评价方法，尤其涉及一种临床治疗效果的评价方法。

背景技术：

1、临床治疗效果可以通过比较病人治疗前后病情变化来评价。在治疗进行过程中也可以进行评价，以判断病人病情的改善程度和速度。临床治疗效果是药物存在和上市的基础，是批准药物上市的基本要求和必要条件。药物要获得上市批准，申报者需要通过科学的研究以证明药物的临床治疗有效性。

2、近年来，我国明确要求以人民健康为中心，以药品临床价值为导向，引导和推动相关主体规范开展药品临床综合评价，持续推动药品临床综合评价工作标准化、规范化、科学化、同质化，助力提高药事服务质量，保障临床基本用药的供应与合理使用，更好地服务国家药物政策决策需求。

3、目前存在许多确定临床治疗效果的评价方法，用于判断病人病情改善或恶化的程度。这些方法中部分为主观评价方法，如各种问卷法或量表法，而有些则是客观指标方法，例如采用仪器设备测量体温、血压、心率、呼吸流速等进行评价。其中客观指标方法更合适表面治疗前后的差异，在全面性上存在局限，而主观评价方法在解释时往往存在较大的随意性。

4、因此如何提供一种高效、科学、准确的临床治疗效果的评价方法，成为目前需要解决的一个技术问题。

技术实现思路

1、鉴于上述问题，提出了本技术，以便提供一种临床治疗效果的评价方法，用于提高该评价方法的效率、科学性和准确性。

2、本技术提供的一种临床治疗效果的评价方法，包括：

3、步骤s1，获取n个临床病人的指标数据，n≥100；

4、步骤s2，对每个临床病人的指标数据进行预处理，构建训练样本；

5、步骤s3，构建初始神经网络模型，利用训练样本对初始神经网络模型进行训练，得到训练后的神经网络模型；

6、步骤s4，将多个待评价的临床病人的指标数据进行预处理后，分别输入到训练后的神经网络模型，产生每个待评价的临床病人的评价值；

7、步骤s5，对多个待评价的临床病人的评价值进行数据处理，得到临床治疗效果的综合评价得分。

8、进一步的，指标数据包括客观指标数据和主观指标数据。

9、进一步的，客观指标数据包括：①理化指标评价数据；②安全性评价数据；③治疗周期评价数据；④经济学评价数据；主观指标数据包括：⑤病人自我评价数据；⑥临床症状评价数据；⑦生存质量评价数据。

10、进一步的，步骤s3还包括步骤s31-s33：

11、步骤s31，采用输入层、隐含层、随机失活层和输出层构建初始神经网络模型；

12、步骤s32，将训练样本输入到初始神经网络模型，计算评价值和期望值的误差；

13、步骤s33，根据评价值和期望值的误差，调整初始神经网络模型，直至该误差达到预设精度阈值，得到训练后的神经网络模型。

14、进一步的，初始神经网络模型包括依次连接的输入层、第一隐含层、第一随机失活层、第二隐含层、第二随机失活层、第三隐含层、第三随机失活层、第四隐含层、第四随机失活层、输出层；

15、其中，输入层包括7个神经元节点，第一隐含层和第一随机失活层分别包括29个神经元节点，其中第一随机失活层的失活概率为0.5，第二隐含层和第二随机失活层分别包括28个神经元节点，其中第二随机失活层的失活概率为0.4，第三隐含层和第三随机失活层分别包括27个神经元节点，其中第三随机失活层的失活概率为0.3，第四隐含层和第四随机失活层分别包括26个神经元节点，其中第四随机失活层的失活概率为0.2，输出层包括4个神经元节点；

16、输入层中每个神经元节点的输入端分别接收1个指标数据，第一隐含层中每个神经元节点的7个输入端分别连接输入层中每个神经元节点的1个输出端，第一随机失活层中每个神经元节点的1个输入端分别依次连接第一隐含层中每个神经元节点的1个输出端，第二隐含层中每个神经元节点的512个输入端分别连接第一随机失活层中每个神经元节点的输出端，第二随机失活层中每个神经元节点的1个输入端分别依次连接第二隐含层中每个神经元节点的1个输出端，第三隐含层中每个神经元节点的256个输入端分别连接第二随机失活层中每个神经元节点的输出端，第三随机失活层中每个神经元节点的1个输入端分别依次连接第三隐含层中每个神经元节点的1个输出端，第四隐含层中每个神经元节点的128个输入端分别连接第三随机失活层中每个神经元节点的输出端，第四随机失活层中每个神经元节点的1个输入端分别依次连接第三隐含层中每个神经元节点的1个输出端，输出层中每个神经元节点的64个输入端分别连接第四随机失活层中每个神经元节点的输出端，输出层中每个神经元节点的输出端产生评价值，对应于每个临床病人的临床治疗效果。

17、进一步的，临床治疗效果分别为痊愈、显效、进步、无效四个等级，对应的评价值分别为[1,0,0,0]、[0,1,0,0]、[0,0,1,0]、[0,0,0,1]。

18、进一步的，每个隐含层中第j个神经元节点的输出为：

19、

20、其中，f1是每个隐含层中每个神经元节点对应的激活函数，wij是每个隐含层的上一层第i个神经元节点与每个隐含层第j个神经元节点相连的权值，xi是每个隐含层的上一层第i个神经元节点的输出数据，n是每个隐含层的上一层的神经元节点数目；

21、输出层中第k个神经元节点的输出为：

22、

23、其中，f2是输出层中每个神经元节点对应的激活函数，wpk是第四随机失活层第p个神经元节点与输出层第k个神经元节点相连的权值，xp是第四随机失活层第p个神经元节点的输出数据。

24、进一步的，每个隐含层中每个神经元节点对应的激活函数f1(y)具体为：

25、

26、其中，y为激活函数f1(y)的自变量；

27、输出层中每个神经元节点对应的激活函数f2(t)具体为：

28、

29、其中，t为激活函数f2(t)的自变量。

30、进一步的，将训练样本输入到初始神经网络模型进行训练，评价值的误差计算公式为：

31、

32、其中，o′k为期望值。

33、进一步的，对多个待评价的临床病人的评价值进行数据处理包括：对多个待评价的临床病人的评价值求平均值，以得到临床治疗效果的综合评价得分。

34、本技术的有益效果是：

35、(1)、本技术采用神经网络模型，利用客观指标数据和主观指标数据，对临床治疗效果进行综合评价，有效提高了评价结果的准确性和科学性。

36、(2)、本技术公开的神经网络模型中四个隐含层分别采用29、28、27、26个依次减少的神经元节点，提高了学习效率，同时也能够逼近任何非线性连续函数，提高了神经网络模型的非映射能力和学习能力，能够精确地对每个临床病人的治疗效果进行评价。进一步的，神经网络模型还具有与四个隐含层自适应的四个随机失活层，根据隐含层的神经元节点数目调整失活概率大小，当神经元节点数目较多时，增大失活概率，当神经元节点数目较少时，减小失活概率，通过自适应地使部分输入数据失活，有助于模拟学习大量指标数据，降低神经网络复杂度，防止过拟合，增强神经网络模型的准确性，提高神经网络模型的学习效率。