項目背景
● 帶狀皰疹，又稱“蛇串瘡”，由潛伏在體內的水痘-帶狀皰疹病毒（VZV）再激活所致，表現以沿單側周圍神經分布的簇集狀小水皰為特征，常伴顯著的神經痛。帶狀皰疹的年發病率約為3—5‰，約9%—34%的帶狀皰疹患者會發生帶狀皰疹后遺神經痛（PHN）。
● 目前臨床應用的抗病毒、止痛、營養神經、中藥、針灸等治療手段在預防PHN方面取得了一些效果，但哪些因素是導致PHN發生的關鍵，哪些治療又是預防PHN的關鍵尚存爭議。
解決方案
● 利用ME機器學習建模平臺，通過隨機方法在納入分析的人約80%構成訓練樣本，抽取約20%構成檢驗樣本。
● 用GBM算法對包含變量的患者的數據集訓練機器學習模型，每次隨機抽取訓練樣本中的20%，以0.1的學習率，經過不斷循環之后，建立模型。
● 通過GBM算法，得到的PHN模型中有數個變量與PHN的發生和治療有關聯性，其中包括一般臨床資料，相關實驗室檢查指標，中藥，西藥，中醫特色療法，并發癥。
方案成效
● 1.本研究利用大數據及人工智能方法建立了預測性能良好的PHN模型；
● 2.得到了62個與PHN發生風險有關的變量；
● 3.得到了這些變量的重要性排名及與PHN發生的風險關系，為臨床防治及研究PHN提供了新思路。
提交成功
