基于Transformer模型的人工智能肺癌方证结合预测系统构建

目的 基于Transformer模型构建人工智能肺癌方证结合预测系统。方法 选择上海市中医医院肿瘤临床医学中心、上海中医药大学附属龙华医院中医肿瘤科2005年10月19日—2021年4月28日门诊收治的肺癌患者5 994例(就诊8 011例次),使用Transformer模型构建并评价人工智能肺癌方证结合处方预测系统。结果 系统构建提取症状233个,药物350味。出现频次>2 000次的药物,模型的预测准确率77.5%,召回率84.4%,F1值80.8%;出现频次1 001~2 000次的药物,模型准确率66.6%,召回率57.4%,F1值为61.7%;出现频次501~1 000次的药物,模型准确率70.3%,召回率52.1%,F1值59.9%;出现频次201~500次的药物,模型准确率60.7%,召回率42.2%,F1值49.8%;出现频次<200次的药物,模型准确率58.5%,召回率23%,F1值33.2%。模型总体准确率73.7%,召回率68.3%,F1值70.9%,肿瘤临床专家评价平均分8.6分。模型参数提示,脉弦与应用百合具有相关性,化疗与脉弦有相关性,石上柏与石见穿运用有关联性。结论 基于Transformer模型构建的人工智能肺癌方证结合预测系统可以做到收集、分析、总结中医治疗规律的作用,其用药规律也体现了“扶正治癌”的治疗理念。

引入人工智能构建肺癌中医处方系统探索

目的:探讨采用人工智能技术构建中医药治疗肺癌处方系统。通过构建智能处方系统并利用2955例次中医肺癌门诊资料完成模型训练,使其能完成较高准确率的处方输出,并最终应用于临床治疗参考。方法:使用基于高斯核的岭回归的算法,然后通过实际的病例108例次结合专家评估来验证处方的准确率。结果:出现频率次数高于300的药物,准确率达到62.9%,召回率80.2%,F1值为70.5;分类考虑不同药物出现频率后,出现频率大于300次的准确率可以达到66.8%,召回率74.4%,F1值为70.3,专家对处方的评估(10分制),方法一评分为8分,方法二评分为8.3分。结论:现阶段肺癌人工智能处方系统的准确率比较令人满意,单病种的中医药人工智能处方系统可能可以作为人工智能运用到中医诊疗的一个突破口,该系统可以有望用于提高中医药传承效率,促进中医药传承和发展,后期将进一步提高病例数,改进病历提取模式,提升系统效能。