- 综合排序
- 最热优先
- 最新优先
- 来自专栏聊点学术
如何确定实验动物用药量？
（和这个质量比，就差那么“亿”点点） 作为多年不沾染数学的医学生，当时的我总搞不清动物用药量的换算，套用导师给的Excel表格就是正道的光。 ? 今儿把这个话题捋一捋，做个小总结。 举个例子 ↓ 如果成人用药剂量为4.0mg/kg，那么犬的等效剂量就是6mg/kg，大鼠的等效剂量就是28mg/kg，小鼠的为40-44mg/kg。 中药或者一些低毒药物的安全范围较宽，起效剂量范围较宽，这些药物完全可以采用此法。 但是如果是一些用量极少或有毒副作用的药物，起效浓度范围很窄，此时便不宜采用这种计算方法了。 然而，现实往往是动物体重增长较快，实验前、中、后期，体重变化较大，如果再抱着表面积计算会导致后期实际用药量降低。体型系数换算可以根据动物的实际体重来计算用药剂量，个人觉得更贴近实际。 ?
2.4K10发布于 2020-07-30 - 来自专栏作图丫
基于网络模块预测联合用药
蛋白质有唯一的UniProt登录号 （4）在UniProt数据库中蛋白质标记为“reviewed” （5）人类蛋白质 最终：15051个药物靶点互作关系，包括4428种药物和2256个靶点 3.实验验证联合用药 三、基于网络发现治疗高血压的联合用药 （1）限制药物靶点模块是Complementary Exposure关系，对 65 个FDA批准的治疗高血压的药物联用（Fig.3a），24种药物联合用法有59%的精度 基于网络的模型已成功识别出在高血压疾病模块中具有明确药物药理学途径的已知高血压药物组合(Figs. 3b) 小编总结： 基于网络来预测药物联用是个很好的思路，本文中有一个重要结论，当药物靶点模块都与疾病基因模块有交叠，且两者不交叠的时候联合用药效果好 但是本文主要介绍的是高血压的联合用药，我们是不是可以用类似方法在肿瘤中进行相关分析呢~
1.1K31编辑于 2022-03-29 腾讯AI临床助手：提升诊疗效率与用药安全的临床决策支持系统
应对基层诊疗效率与用药安全挑战 基层医疗机构占比超过93%，但诊疗规范性面临挑战。医生工作负荷高，导致问诊不全面、危重症识别困难、病历质量难控及不合理用药现象频发。 治疗方案优化：智能推荐治疗方案（来源专业疾病指南）和用药方案（西药、中药经方、组合用药），并提供健康处方参考（含健康指导、中医养生建议）。 合理用药与处方审核：基于1000万条合理用药规则进行用药安全审核（覆盖8大类、20+小类），实现风险处方实时拦截与可解释性提醒。 实现诊疗效率与安全性的量化提升 系统通过AI算法模型驱动业务效果提升： 疾病预测准确率达96.39%（基于腾讯天衍实验室MedBert模型），覆盖近3000种疾病。 系统无缝集成至医生工作流程（通过客户端或iframe接入），在不改变现有操作习惯的前提下，提供实时辅助决策支持与用药风险拦截，有效降低误诊、漏诊风险，提升病历书写规范性和处方合格率。
13110编辑于 2026-05-30- 来自专栏DrugOne
. | 机器学习预测儿童药物副作用: 填补儿科用药安全的证据空白
儿童并非成人的缩小版，其独特的生理发育特点决定了他们在用药时面临着与成人截然不同的安全风险。 研究摘要图 unsetunset儿童用药安全：一个被忽视的临床难题unsetunset 药物不良反应是全球范围内导致患病和死亡的主要原因之一，给医疗系统带来了巨大的临床和经济负担。 更令人担忧的是，高达90%的住院儿童接受超说明书处方用药，这使他们暴露在未经评估的用药风险中。然而，伦理挑战和招募障碍限制了儿科临床试验的开展，导致高质量安全数据的匮乏。 尽管在实际临床实践中，儿科用药安全评估长期依赖成人研究数据进行外推，但本研究通过大规模跨领域验证实验明确表明，这种做法在计算模型层面并不可行。 研究不仅揭示了儿童与成人在药物安全性上的本质差异，更构建了可实际应用的计算预测流程，为提升儿科用药安全和完善药品监管风险评估提供了有力的技术支撑。
21010编辑于 2026-01-13 - 来自专栏DrugOne
Bioinformatics|癌症细胞系的用药反应预测
预测癌症患者对癌症药物的反应是精准医疗的重要问题。由于花大量的时间与金钱完成大批量癌症患者与药物之间反应的实验验证是不切实际的，业界非常期待一种基于癌细胞株的大规模药物基因组学临床前预测模型的出现，然而，大多数现有研究主要基于癌细胞的基因组相似性，忽略了基因之间的关系，导致不能很好的预测细胞株的药物反应。
84450发布于 2021-02-01 - 来自专栏生命科学
高通量筛选技术加速联合用药研究 | MedChemExpress
与单一给药相比，联合用药具有增强药物疗效、减少剂量依赖性毒性和防止出现耐药性等潜在优势，尤其是在癌症及抗感染治疗方面。 然而，由于可能的药物组合的数量特别巨大，发现具有协同作用药物组合的筛选仍然是一个费力且偶然的过程。 ■ AI 技术助力药物组合研究多种药物组合测试数据已经公布，一些大型免费数据库也已经建立，如芬兰分子医学研究所、赫尔辛基大学发布的可免费访问的癌症联合用药数据门户 DrugComb 目前已经收录 739964 加速您的药物组合研究，药物组合筛选研究化合物库推荐：相关产品老药新用化合物库4,100+ 种批准上市药物及临床Ⅱ期及以后化合物集合，所有化合物均已经完成了广泛的临床前和临床研究，具有良好的生物活性、安全性和生物利用度
78020编辑于 2023-01-10 - 来自专栏人工智能快报
人工智能帮助预测混合用药的副作用
美国斯坦福大学（Stanford University）的计算机科学家设计出一种卷积神经网络，能够预测混合用药可能产生的副作用。 这项研究工作对患者具有重大的现实意义。 这个问题促使研究人员设计了“十边形”（Decagon）系统，它是一种预测不同混合用药潜在副作用的人工智能应用。 他们还加入了详细描述某些药物及混合用药相关副作用的数据库。 为实现预测功能，他们选择使用图卷积神经网络。这种神经网络常用于社交网络和知识图谱，但还需要对其进行调整才能用于计算生物学。 虽然用于开发这个模型的原始数据都没有表明存在这种副作用，但根据一篇已发表的案例研究，这种混合用药确实会引起肌肉炎症，导致患者要在加护病房治疗69天。
65210发布于 2018-08-17 - 来自专栏思影科技
Neurology：早期、未用药帕金森病存在特异的白质连接
研究目标：帕金森早期未用药患者全脑白质纤维连接的拓扑结构及连接强度。 研究方法：该研究纳入70例早期未用药PD患者及41例健康对照，利用弥散MRI，采用无模型、数据驱动方法计算全脑白质的拓扑结构及连接强度。 共得到92例未用药的早期PD患者及49例健康对照。 被试特征： 对照组年龄匹配、无任何神经系统疾病、一级亲属无PD患者，MoCA评分大于等于26分。
1.4K20发布于 2020-02-24 - 来自专栏DrugOne
人工智能和机器学习在精准用药中的应用
Artificial Intelligence，AI）和机器学习（Machine Learning，ML）在治疗药物监测（Therapeutic Drug Monitoring，TDM）和模型引导的精准用药 摘要 背景：过去60年，计算和数学领域的进步极大地提高了治疗药物监测(TDM)和模型引导的精准用药(MIPD)的效果。 该模型使用药物动力学相关的协变量（如年龄、BMI和估计的肾小球滤过率）适度预测了万古霉素的初始剂量设置，并在达到10~15 mg/L、10~20 mg/L和≥20 mg/L的治疗范围方面优于其他MIPD 结论 尽管应用于TDM和精确用药的AI和ML方法仍处于起步阶段，但已经有大量应用案例显示出该领域的广阔前景。机器学习方法似乎与当前的定量药理学技术相当，有望增加实现精确给药的目标。
1.6K11编辑于 2023-09-19 腾讯健康药箱：一站式用药增值服务平台概要
一、 产品定位与核心亮点 腾讯健康药箱是一个以患者为中心的一站式用药增值服务平台。 患者（C端）：在面对信息混杂、药学服务缺位的情况时，迫切需要权威专业的用药信息和服务。患者通过扫码即可获得用药、问药、购药的一站式服务。 三、 应用框架和功能介绍 功能框架 产品架构围绕患者旅程展开：从微信扫码入口开始，提供药品追溯、疾病与用药科普信息，整合为用药管理平台，最终实现一站式服务，并赋能药企进行用户运营和数据洞察。 便捷性：用户可通过微信接收用药等提醒。 用户黏性高：基于微信生态，天然具备高用户黏性。 核心功能模块： 药品追溯：微信“扫一扫”验真伪、查流向，展示官方药品说明信息，并通过一物一码追溯药品流向。 用户运营：为患者提供定制化用药管理及用药、问药、购药一站式服务，通过自有积分运营体系促进患者活跃。
8200编辑于 2026-05-31Nature | 从算法到用药: 决策感知机器学习破解基本药物短缺难题
在低收入和中等收入国家，医疗系统长期面临一个核心难题：如何在资源有限、数据缺失严重的条件下，更高效且更公平地分配基本药物。传统的数据驱动方法往往依赖高质量历史数据，因此难以直接应用于这些资源受限环境。该研究提出了一种“决策感知机器学习（decision-aware machine learning）”框架，用于优化基本药物分配，并结合多任务学习与催化先验（catalytic priors），在有限样本和不完整数据条件下实现更稳定、更公平的需求预测。研究人员与塞拉利昂政府合作，将该系统作为全国性的药物分配决策支持工具进行部署，并通过随机试点和经济计量学评估验证其效果。结果显示，在接受系统干预的地区，药物消费量提升约19%，意味着患者获得基本药物的机会显著增加。随后，该系统被推广至全国范围，覆盖约200万名妇女和5岁以下儿童。研究表明，即使在基础设施受限的全球卫生场景中，低成本机器学习方法依然能够显著提升医疗资源配置效率。
14710编辑于 2026-05-14- 来自专栏机器之心
学界 | Petuum新研究助力临床决策：使用深度学习预测出院用药
精准的出院用药预测能向医生提供指导，帮助医生及时发现用药偏差（medication discrepancy）。用药偏差是指在患者入院，转院，出院过程中用药方案在记录过程中发生的非计划性的改变。 为了解决用药偏差可能带来的问题，药物核对（medication reconciliation）作为一个保证患者治疗安全的重要环节，要求医生在患者入院及出院环节对药物方案进行仔细核实与比对。 入院时对出院用药的预测可以帮助医生及时发现用药偏差，避免由于药物重复或遗漏可能造成的病人安全风险问题，同时这种预测可以作为一种有效的早期预警工具帮助医生尽早监控管理药物的处方，并及时减少不必要的用药疏失 论文链接：https://arxiv.org/abs/1711.01386 摘要：在病人入院就诊时预测其出院用药可以帮助医生更好地计划和核对用药方案、发现用药偏差、降低用药安全风险。 本文研究了如何使用深度学习技术来协助医生根据病人就诊记录中的健康信息来预测其出院用药。在实现上，我们设计了一种卷积神经网络来分析就诊记录然后预测病人在出院时的用药。
1.2K110发布于 2018-05-09 - 来自专栏新智元
2021年搞笑诺贝尔奖出炉：性爱能让鼻子通气，效果不亚于用药！
交通奖：犀牛吊起来空运，安全不安全？
1.2K50发布于 2021-09-17 - 来自专栏脑电信号科研科普
动态功能连接揭示首发未用药精神分裂症的治疗结果
趋同的证据表明，抗精神病药物暴露对精神分裂症患者的大脑结构和功能有显著影响，但良好治疗结果的特征仍在很大程度上未知。在这项工作中，我们旨在研究抗精神病治疗如何调节大规模的脑网络，以及纵向变化是否可以跟踪精神病理评分的改善。从上海精神卫生中心招募了34例首发drug-naïve型精神分裂症患者和28例匹配的健康对照。抗精神病药物治疗8周后，对24例患者进行再次扫描。通过系统动态功能连接(dFC)分析，我们调查了精神分裂症相关的dFC在基线时的内在改变，随后进行了一项纵向研究，通过比较基线和随访患者，来检查抗精神病治疗对这些异常的影响。我们进一步进行了结构连通性(SC)关联分析，以研究支撑dFC改变的纵向解剖变化。我们发现，在更强的网络整合为特征的dFC状态的出现中的显著的症状改善相关的增加。此外，症状的减少与一个独特的连接特征中FC可变性的增加相关，特别是在默认模式网络内的连接，以及听觉、认知控制和小脑网络与其他网络之间的连接。此外，我们观察到，治疗后，位于额上回和内侧额叶前部皮层之间的SC减少，表明dFC上正常限制的放松。综上所述，这些发现为将精神分裂症脑网络连接障碍假说从静态扩展到动态提供了新的证据。此外，我们发现的与精神分裂症神经生物学相关的神经影像学标志物可以作为预测抗精神病药物治疗结果的潜在指标。
54130编辑于 2023-08-20 腾讯健康医药AI产品：院外市场全流程服务解决方案概要
售中：需要快速进行用药推荐、处方审核以保障安全合规，降低用药风险和违规风险。 售后：需要进行患者私域运营、慢病管理、智能随访，以提升运营效率和专业信赖度。 四、 典型案例 案例一：某头部零售药店（售中知识参考与安全审核） 背景：药店在日常运营中需要快速为患者提供专业的适应症用药推荐，并对处方进行安全审核。 解决方案：使用产品的“适应症用药推荐”和“用药安全审核”模块。系统能基于患者主诉和诊断信息推荐用药，并对接第三方处方进行8大维度风险审核。 风险类型中，65%为医保飞检重点关注风险（如超出指定范围、非适应症、重复用药、人群冲突），35%为用药安全相关风险（如特殊人群、禁忌症）（数据来源：该药店2023年10月11日至2024年3月21日调用占比分析 实践数据表明，该产品在提升药事服务效率、保障用药安全合规、优化患者体验及降低运营成本方面具有显著价值。
14010编辑于 2026-05-31- 来自专栏AIoT应用创新大赛 zl
AIoT应用创新大赛 基于TencentOS Tiny i.MX RT1062 设计实现的智能医药箱
摘 要 ：针对家庭用药的储藏管理和安全使用等问题，提出一种智能家用医药箱控制系统设计方案。该设计以RT1062为核心，融合物联网，实现了对家庭药物的储藏管理、分类和使用指导。 该设计给家庭用药带来较好的储藏效果，有效提升了家庭医疗的安全性，具有较好的市场价值和实用价值。 该设计采用了成本较低的RT1062控制器， 融合物联网技术，配合手机 APP 的控制，实现家用智能医药箱用药指导，以及药物储藏管理，保证用户的用药安全。 在使用上给用户提供更加安全可靠且经济实惠的帮助。 2.2 药物储藏开关功能设计 用户需要用药时，药箱会根据云端的用药BOM表自动进行药物配比，并通过药物开关模块获取药物，供给用户。
1.2K80编辑于 2022-03-14 腾讯健康药事AI大模型：院外市场全流程解决方案与核心效能
高可靠性算法优化： 在预训练阶段通过“探真”算法进行事实修正，不依赖外挂即可降低大语言模型的幻觉比例；通过强化学习，面对安全诱导类问题的拒答率提升20%。 患者端（售前/售中/售后）： 在零售药店、O2O平台、互联网医院及公众号等触点，解决购药前咨询无全时响应、购药中缺乏安全指导、购药后缺乏服药提醒与疾病宣教的问题，旨在提升用户体验与复购率。 SaaS化用药安全审核： 通过AI引擎抽取转化非标准信息，对接第三方/互联网医院处方进行全量信息审核。 合规风控拦截： 自动生成审核理由，精准拦截医保飞检重点关注风险（超出指定范围、非适应症、重复用药、人群冲突）及用药安全风险（特殊人群、不同规格用量、禁忌症、相互作用）。 识别出的风险等级分布为：禁忌 18%、慎用 53%、提示 29%；其中 65% 的拦截属于医保飞检重点关注风险，35% 属于用药安全相关风险。药房合理处方比例获得显著提升。
14410编辑于 2026-05-31依托微信“扫一扫”实现药品全链路追溯与智能用药管理实践
这要求医疗机构与消费者必须具备便捷、准确的核对工具，以消除信息壁垒，确保用药安全与医保基金安全。 依托微信生态构建药品溯源与用药查询体系 针对药品溯源与合规监管需求，腾讯健康依托国家医保服务平台，打通了微信原生能力。 提供智能用药提醒服务，降低安全隐患： 除了基础的溯源功能，腾讯健康通过“扫一扫”拓展了个人健康管理模块。 系统支持一键设置保存用药提醒（防漏服、错服）、多药品合规性排查（禁忌与配伍禁忌提示）、临近效期预警，并自动生成用药记录，显著提升了慢病患者的用药依从性与健康管理闭环能力。 消费者购药后直接通过官方公众号入口扫描，即可获取药品适应症、用法用量等明细，从国家背书层面确保了数据核验的权威性与消费者的用药安全。
22110编辑于 2026-04-16腾讯健康药箱赋能药品追溯监管：从扫码核查到用药管理的实践路径
直面药品监管与用药安全双重挑战 国家医保局全面推进“码上”严监管，利用药品追溯码打击药品领域欺诈保、违法违规问题，严打“回流药”和“串换药”。 用户面临核心痛点：难以核查药品来源与销售记录，用药存在漏服、错服、过期及相互作用风险，购药合规性难验证。理想状态需实现每颗药销售信息可查可追，现实差距在于缺乏便捷工具整合追溯查询与用药管理。 构建扫码追溯与用药管理服务 依托国家医保服务平台，腾讯健康药箱提供微信“扫一扫”药品追溯码解决方案，包含两大核心功能： 销售信息查询：覆盖线下处方药、线上OTC药品，支持查询销售记录、适应症、用法用量 智能用药提醒：一键设置保存提醒、多药管理（含相互作用风险提示）、到期提醒、用药记录可视化，助慢性病患者科学管理用药计划。 undefined客户价值：用户通过微信“扫一扫”即可核查药品来源与销售记录、设置智能用药提醒（降低漏服错服及过期隐患），保障购药用药安全。
16910编辑于 2026-04-16- 来自专栏CSDN
飞算JavaAI家庭药品管理系统：从药品收纳到健康守护的全链路解决方案
在家庭生活中，“药品安全存储”与“便捷取用”的平衡、“过期预警”与“合理用药”的协同始终是家庭健康管理的痛点。传统家庭药品管理常面临“过期遗漏”“存放散乱”“用药混淆”等问题。 1.3 用药安全与指导模块：让用药“有据可依” 家庭用药安全的核心痛点是“用法不清、禁忌不明”。 该模块通过说明书查询、禁忌检查与用药记录，降低用药风险： @Service public class MedicineSafetyService { @Autowired private ：对接国家药品监督管理局数据库，提供说明书、禁忌、副作用等官方信息，避免错误解读； 用药追踪溯源：记录每次用药时间、用量、用药人，形成完整历史，方便就医时提供参考； 禁忌智能校验：支持多种药品联用检查（ 从“扫码即录入”的便捷体验，到“过期必提醒”的安全保障，再到“禁忌早知道”的风险防控，系统用技术解决了传统家庭药品管理的痛点。
39110编辑于 2025-08-19
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号