马攀 ，贾运涛，刘芳，程林，王红迁，严波，陈勇川

丙戊酸钠是临床应用最广泛的广谱抗癫痫药物之一，对失神小发作的治疗效果尤为良好，但其体内代谢存在明显的个体差异。《临床用药须知》指出：丙戊酸钠的有效稳态谷浓度范围为50～100 mg∕L，过低易出现疗效差，过高易出现毒性反应。临床应用中为获得有效治疗效果，避免不良反应，常需监测丙戊酸钠血药浓度来调整给药剂量，常需多次监测；部分地区缺乏血药浓度监测的条件，仅靠医师经验估计丙戊酸钠初始给药剂量或进行剂量调整。因此，研究影响丙戊酸钠血药浓度的因素及预测其血药浓度具有重要的临床意义。

目前对于血药浓度预测的方法有很多，如群体药动学，神经网络等方法，但是这些方法都存在自身的局限性。本研究拟采用支持向量机技术（Support Vector Machine，SVM）对血药浓度进行预测，该方法由Vapnik 等提出，以统计学理论和结构风险最小化原理为基础，具有简洁的数学形式、标准快捷的训练方法，在医学领域的应用方兴未艾。SVM 的回归预测模型与近年来广泛用于血药浓度预测的模型如群体药动学中应用最广的非线性混合效应模型（NONMEM）、神经网络模型等相比，在很大程度上解决了模型选择与过学习问题、非线性和维数灾难问题、局部极小值问题等，它是以统计学习理论的VC维理论（Vapnik-Chervonenkis Dimension）和结构风险最小化原则为基础发展起来的一种新型机器学习方法，能够根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中，以期获得最佳的泛化能力。……