基于卷积神经网络的冠心病中西医结合“精准治疗”方案循环优化的方法学研究

Numerous studies show that “precision medicine” needs integrative medical treatment for coronary heart disease to explore suitable optimized methods， however， the application of traditional methods to preciously optimize integrative medicine programs still have multiple limitations， how to explore modern data analysing methods to preciously optimize individual integrative medicine programs is a major research topic in our field. "Clinical research integration" platform in previous study have made a variety of preliminary exploration， but still lacks of a integrative medicine program optimization method that closer to clinical reality， artificial intelligence simulation， real-time evaluation of objective response. Accordingly， we propose " Convolutional Neural Network cycle optimize coronary heart disease integrative medicine program" hypothesis. Establishing Convolutional Neural Network optimization model， with the early history of coronary heart disease research data as large reference cases， to collect further observed cases of coronary heart disease research cases， analyze their clinical features， apply convolutional neural network to learn history experience and give a preliminary treatment， combined with feedback and historical reference data， repeated five times using simulated annealing algorithm update iteration， eventually give a globally optimal program and observe long-term effect of recommend solutions， in order to test the hypothesis proposed and provide an important basis and methodological foundation for immediate objective assessment and precision treatment by integrative medicine for coronary heart disease.

大量研究表明发挥中医辨证特色实现冠心病中西医结合“精准治疗”需探究治疗方案优化适宜方法，然而传统优化方法面临多重局限，如何应用新型数据分析方法实现冠心病中西医结合治疗方案的“精准”优化仍是医学界的一个重大研究课题。前期研究应用“临床科研一体化”平台做出多种探索，但仍缺乏更贴近临床实际、人工智能模拟、客观疗效即时评价的中西医结合“精准治疗 ”方案优化方法。据此，我们提出“卷积神经网络循环优化冠心病中西医结合精准治疗方案” 假说，建立卷积神经网络循环优化模型，将前期冠心病研究大数据作为历史参考病例，进一步收集冠心病观察病例，分析其临床特点，应用卷积神经网络深入学习历史病例数据给予初步治疗，后根据患者反馈及进一步学习历史病例数据，反复五次运用卷积神经网络更新迭代，最终给予一个全局最优的治疗推荐方案并观察优化方案远期疗效，验证提出的假说，以期为冠心病中西医结合“精准治疗”提供重要依据和方法学基础。

大量研究表明发挥中医辨证特色实现冠心病中西医结合“精准治疗”需探究治疗方案优化适宜方法，然而传统优化方法面临多重局限，如何应用新型数据分析方法实现冠心病中西医结合治疗方案的“精准”优化仍是医学界的一个重大研究课题。据此，我们提出建立卷积神经网络循环优化模型，将前期冠心病研究大数据作为历史参考病例，进一步收集冠心病观察病例给予一个全局最优的治疗推荐方案。研究应用深度强化学习算法的深度Q网络和神经网络模型实现了卷积神经网络算法思想。基于冠心病数据构造强化学习的“环境”，从而实现根据患者用药前的症状观察和使用药物，推断下一次患者症状观察的功能。评价指标数准确98.4%，精确度97.0%，召回率96.5%，F1值96.8%。应用中医序贯诊疗优化方案模型的平均折扣奖励值是11.38，通过传统Ｑ学习算法得出的是9.15，而临床医生给出的处方的平均奖励值是7.16。实验结果发现，中医治疗人工环境的评价指标较高，基于深度强化学习的中医序贯诊疗方案模型对患者产生的估计疗效高于传统强化学习和医生提出的方案疗效。本研究探索应用卷积神经网络算法模型思想，对冠心病患者中西医结合治疗方案的临床疗效即时评价从而帮助实现冠心病中西医结合适宜方案的快速优化。研究对探索在基层医疗机构，在诊疗系统中添加建立智能模块，以协助全科医生应用现代数据优化方法，开展冠心病等多种慢性疾病中西医结合治疗方案的即时智能推荐、临床疗效的即时客观评价及根据患者临床特点的中西医结合“精准治疗”，从而提高基层医疗工作水平、减少多种慢病临床事件的发病率、提高基层智能化慢病管理水平有着重要意义。研究也将为开展慢病治疗方案优化的进一步探索提供重要的研究依据和方法学基础。