CN119517447A 一种基于ai的临床研究方案的优化方法及其系统 （上海智晖生物医药有限公司）

一种基于AI的临床研究方案的优化方法及本发明提供一种基于AI的临床研究方案的验数据中提取与患者招募效率和脱落率相关联和衍生特征同时输入预训练的多个不同的多变通过整合多个初步优化建议，生成最终优化建2收集当前临床试验数据，并从所述当前临床试验数将提取的所述基础特征和衍生特征同时输入预训练的多个不同的多变量回归模型中，将各多变量回归模型输出的初步优化建议输入到预训练的元模型基于所述最终优化建议，执行临床研究方案的优化，达到提高对整合后的当前数据进行预处理，其中所述预处理包括数据清洗、基于基础特征，通过统计分析方法构建衍生特征，其中所述将所述特征向量同时输入到预训练的多元线性回归基模型、各模型基于输入的特征向量，利用自身的学习算4.根据权利要求1至3任意一项所述的一种基于AI的临床收集历史临床试验数据，并从所述历史临床试验数据中对于多元线性回归基模型，利用训练数据集中的历史基础特征和历3对于Logistic回归基模型，使用训练数据集中的历史基础特征和历对于随机森林基模型，使用训练数据集中的历史基础特征和历史衍接收来自多元线性回归基模型、Logistic回归基模型和随机森林基所述元模型利用自身的学习算法和参数设置，对多基于综合处理的结果，元模型生成综合了多个初收集多个历史临床研究方案及其对应的优化结果作为训对于每个临床研究方案，根据实施后的患者招募效率和脱落率数据将生成的多个历史初步优化建议及其对应的历史临床研究方案和优化结果作为输入根据识别的措施，调整临床研究方案的招募策略，其中所述招募策8.一种基于AI的临床研究方案的优化系统，用于特征提取模块，用于收集当前临床试验数据，并从所述当4初步优化建议生成模块，用于将提取的所述基础特征和最终优化建议生成模块，用于将各多变量回归模型输5结果的可靠性和有效性。传统的临床研究方案优化方法往往依赖于研究人员的经验和直[0008]将提取的所述基础特征和衍生特征同时输入预训练的多个不同的多变量回归模6[0025]优选的，所述将各多变量回归模型输出的初步优化建议[0028]所述元模型利用自身的学习算法和参数设置，对多个初步优化建议进行综合处[0029]基于综合处理的结果，元模型生成综合了多个初步优化建议优点的最终优化建7[0033]将生成的多个历史初步优化建议及其对应的历史临床研究方案和优化结果作为特征和衍生特征，然后利用预训练的多个不同的多这些初步优化建议随后被输入到预训练的元模型中，元模型通过整合多个初步优化建议，8提供更加全面和准确的数据支持，而且有助于发现不同来源数据之间的关联性和潜在模既往病史等。特征选择的过程可以通过多种算法实现，包括但不限于递归特征消除法9线性关系的预测和优化建议，所述Logistic回归基模型提供基于概率的分类和优化建议，别计算出的初步优化建议会被进一步处理。这一步骤的核心在于评估和整合这些初步建模型输出的初步优化建议。这些初步优化建议是基于前一阶段提取的基础特征和衍生特征，通过各自的模型算法计算得出的。多元线性回归基模型提供了基于线性关系的预测，[0092]在本实施例中，收集多个历史临床研究方案及其对应的优化结果作为训练数据[0095]将生成的多个历史初步优化建议及其对应的历史临床研究方案和优化结果作为步骤对于确保最终优化建议的质量至关重要，因为它有助于排除不一致或不可靠的建议，募效率和减少脱落率的具体措施。这一步骤要求团队具备深厚的专业知识和数据分析能[0110]在本实施例中，步骤S43关注的是根据最终优化建议调整临床研究方案中的治疗[0117]初步优化建议生成模块200，用于将提取的所述基础特征和衍生特征同时输入预[0118]最终优化建议生成模块300，用于将各多变量回归模型输出的初步优化建议输入在流程图一个流程或多个流程和/或方框图一个方框或多个方框中[0121]本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可储介质包括只读存储器(Read_OnlyMemory，ROM)、随机存储器(RandomAccessMemory，timeProgrammableRead_OnlyMemory，OTPROM)、电子抹除式可复写只读存储器(Electrically_ErasableProg