张宇祯 张其银 曾现生 王振 蒋文平 蒋彬

近年来，华法林个体化治疗领域的研究热点是将药物基因组学与临床因素结合，构建华法林剂量预测模型，以指导华法林剂量的初始选择与调整。目前，较为公认的模型是由国际华法林药物基因组学联合会(The International Warfarin Pharmaeogenetics Consortium，IWPC)模型[1]。然而，这个模型在国人中预测的准确性并不高[2-3]。国内也有一些小组尝试建立更适用于国人的预测模型[4-5]。同样，当这些模型应用于新的数据中时，其准确性往往较测试时大幅度减弱[2]，即模型泛化性弱。华法林的个体剂量差异影响因素多，函数形式复杂，使用上述基于传统统计学的回归方法建模局限性较大。随着人工智能的发展，机器学习在各领域的应用前景开始展现。笔者提出一种基于遗传程序设计(genetic programming，GP)和遗传算法(genetic algorithm，GA)的回归建模方法遗传程序设计-遗传算法(GPGA)，建立华法林剂量预测模型，进而提高华法林剂量预测的准确性，推动华法林的个体化治疗。

1 资料与方法

1.1研究对象 本研究为回顾性研究。纳入100例2014年1月到2017年2月在苏州大学附属第一医院就诊的进行华法林抗凝治疗的汉族患者。入选标准：使用华法林达稳态，即使用华法林≥3个月，在最近连续3次随访过程中(间隔天数≥7 d)剂量不变，且国际标准化比值(international normalized ratio, INR) 均符合抗凝标准。

1.2收集临床资料 记录患者基本信息，包括性别、年龄、身高、体重、抗凝指征、合并用药和疾病状态等。记录其华法林稳定维持日均剂量(真实值)。

1.3抗凝标准 无合并其它抗栓药物者：INR目标范围为2.0～3.0；……