项目背景
● 带状疱疹，又称“蛇串疮”，由潜伏在体内的水痘-带状疱疹病毒（VZV）再激活所致，表现以沿单侧周围神经分布的簇集状小水疱为特征，常伴显著的神经痛。带状疱疹的年发病率约为3—5‰，约9%—34%的带状疱疹患者会发生带状疱疹后遗神经痛（PHN）。
● 目前临床应用的抗病毒、止痛、营养神经、中药、针灸等治疗手段在预防PHN方面取得了一些效果，但哪些因素是导致PHN发生的关键，哪些治疗又是预防PHN的关键尚存争议。
解决方案
● 利用ME机器学习建模平台，通过随机方法在纳入分析的人约80%构成训练样本，抽取约20%构成检验样本。
● 用GBM算法对包含变量的患者的数据集训练机器学习模型，每次随机抽取训练样本中的20%，以0.1的学习率，经过不断循环之后，建立模型。
● 通过GBM算法，得到的PHN模型中有数个变量与PHN的发生和治疗有关联性，其中包括一般临床资料，相关实验室检查指标，中药，西药，中医特色疗法，并发症。
方案成效
● 1.本研究利用大数据及人工智能方法建立了预测性能良好的PHN模型；
● 2.得到了62个与PHN发生风险有关的变量；
● 3.得到了这些变量的重要性排名及与PHN发生的风险关系，为临床防治及研究PHN提供了新思路。
提交成功
