基于数据挖掘技术的新药临床试验综合平台的研究

论文摘要

医药产业是一种新兴的高新技术密集型产业,具有很好的发展前景。新药临床试验作为医药产业的重要一环,近些年来规模不断扩大,这就对试验的管理软件提出了更高的要求。自动化、智能化和网络化将是该领域发展的主要方向。本文所介绍的基于数据挖掘技术的新药临床试验综合平台属于四川省重点科技攻关项目,该项目所研究的主题是借助计算机信息技术,建立一个新药临床试验综合平台,对新药临床试验的整个过程加以规范和监控,为其能够准确和高效地评价药效、发现毒副作用和挖掘潜在药效提供信息支持。作者作为项目组长,参与了该项目的申请、需求分析、算法设计、代码实现和测试的大部分工作。该平台现在已经投入到了国家新药临床试验中心(成都)的日常试验中,系统稳定,运行情况良好。本文将重点介绍数据挖掘技术的应用研究。数据挖掘是解决模式识别、机器学习、数据库技术等各种领域中的大型实际应用问题而提出的一些过程性方法的集合,主要是从大型数据库中高效地发现隐含在其中的知识或规律,并为人类专家的决策提供支持。将数据挖掘技术应用到新药临床试验当中,可以提高试验效率,规范试验流程,其次能有效地减少试验过程中的人为和主观因素,深化对试验新药的本质规律认识,另外还能对试验数据的评价提供临床理论支持。本文将从以下几个方面阐述该课题研究中作者所完成的一些工作:1、通过创新应用Apriori算法,研究并设计了大样本药效发现(CEM)算法和小样本潜在药效发现(SLE)算法,为药效分析提供决策支持。该算法现在已经使用C#代码实现,并应用到了该平台中。2、研究和设计了一种基于决策树归纳的受试者选择算法模型,该模型将提高受试者数据的有效性和客观性。3、针对项目应用领域的特殊性和复杂性,分析了本综合平台内的各个模块功能。搭建了一种满足本研究需求的综合平台,实现了各个模块功能后,再完成了平台的系统集成。4、设计并实现了受试者动态随机分配的策略及其算法,从而能高效地得到正态分布的新药受试者群体。该算法已经实际应用,并且大大提高了试验的效率和自动化程度。运行情况良好。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 新药试验的背景介绍
• 1.2 研究意义和前景
• 1.3 主要内容和关键点
• 1.4 本论文的主要工作和创新点
• 1.5 本论文的组织结构
• 第二章 新药试验与数据挖掘
• 2.1 新药试验的过程和方法
• 2.1.1 新药试验的目的和步骤
• 2.1.2 新药试验的计划和设计
• 2.1.3 新药试验中的数据处理
• 2.1.4 高质量试验的关键点
• 2.2 数据挖掘技术的相关介绍
• 2.2.1 数据挖掘的一些概念
• 2.2.2 各种分析方法的简介
• 2.2.3 数据挖掘的技术实现
• 2.3 该领域当前的研究现状
• 2.4 现有系统介绍
• 2.5 本章小结
• 第三章 两种药效发现算法
• 3.1 引言
• 3.1.1 算法背景
• 3.1.2 关联规则
• 3.1.3 关联规则的算法介绍
• 3.2 Apriori算法在本课题中的应用
• 3.2.1 Apriori算法应用流程
• 3.2.2 Apriori算法的实验及评价
• 3.3 Apriori算法的应用性改进
• 3.3.1 新药试验关联规则发现问题描述
• 3.3.2 大样本药效发现（CEM）算法
• 3.3.3 大样本药效发现（CEM）算法流程
• 3.3.4 小样本潜在药效发现（SLE）算法
• 3.4 CEM和SLE算法的实验及评价
• 3.5 本章小结
• 第四章 受试者选择算法模型
• 4.1 引言
• 4.1.1 算法背景
• 4.1.2 受试者选择流程
• 4.2 算法原理
• 4.2.1 算法的一些概念
• 4.2.2 决策树算法原理
• 4.2.3 算法的实验
• 4.3 混合数据类型的受试者选择决策树模型（MVST）
• 4.4 MVST算法模型的实验
• 4.5 一种患病预测模型
• 4.6 患病预测模型的实验
• 4.7 本章小结
• 第五章 综合平台的研究与设计
• 5.1 综合平台的总体结构
• 5.1.1 平台的体系结构
• 5.1.2 平台采用的开发环境
• 5.1.3 系统开发模式的选择
• 5.2 平台内各个模块的设计
• 5.2.1 整个平台的工作流程
• 5.2.2 系统功能模块的划分
• 5.3 动态随机分配算法的设计与实现
• 5.4 几个关键模块的设计与实现
• 5.4.1 药效分析
• 5.4.2 短信随机
• 5.4.3 数据同步
• 5.5 现已经完成的研究内容
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 进一步的工作
• 参考文献
• 致谢
• 攻读硕士学位期间的研究成果