基于模型平均算法的多中心临床试验方法及系统与流程

本发明属于临床试验，具体涉及基于模型平均算法的多中心临床试验方法及系统。

背景技术：

1、多中心临床试验(multi-center clinical trial)是指由多个研究中心按照同一试验方案在不同地点和单位同时进等一种药物的临床试验。目的是尽快收集数据，经统一进等统计学分析后做出试验报告。利用多中心临床试验，能够在较短的时间内收集较多的受试者，且涵盖的面较广,可以避免单一研究可能存在的局限性，同时增加试验结论的广泛性和可靠性，因此多中心临床试验的开展将越来越多。

2、然而多中心临床试验的顺利开展，目前还存在诸多挑战，其中非常重要的一点便是数据管理问题。由于多中心临床试验一般有多个试验中心参与，而各个试验中心之间对于数据管理的标准可能存着差异，因此，如何对多中心临床试验中的数据进行统一管理，从而保证多中心临床试验的顺利开展，具有重要意义。

技术实现思路

1、本发明提供的基于模型平均算法的多中心临床试验方法及系统，能够在多个试验中心同时进行试验模型的训练，在训练到一定程度后，例如迭代t次之后，每个试验中心将模型上传至中心管理平台，并通过模型平均算法重新确定模型，从而在不断迭代的过程中不断对各个试验中心的模型进行重建，最终能够确定一个统一的全局模型。

2、本发明解决上述技术问题的技术方案如下：

3、第一方面，本发明提供了基于模型平均算法的多中心临床试验方法，包括以下步骤：

4、s1：每一个试验中心将该中心的试验数据以及试验结果作为训练集，通过相同的初始化模型进行训练；

5、s2：每个试验中心将训练获得的模型上传至多中心管理平台，并通过模型平均算法重新确定模型；

6、s3：将重新确定的模型发送至每一个试验中心，并更新模型；

7、s4：重复s1-s3步骤，直至迭代次数达到预设值。

8、在一些实施例中，所述s1包括：

9、s11：定义训练数据结构，并将每一个试验中心的训练数据转换为该数据结构；

10、s12：在每一个试验中心的训练数据中提取一部分，上传至多中心管理平台并将提取到的训练数据进行混合，作为公共训练数据；

11、s13：将公共训练数据共享至每一个试验中心，并与各试验中心的训练集进行混合生成混合训练集，利用混合训练集对各试验中心初始化模型进行训练。

12、在一些实施例中，定义所述公共训练数据为l；定义所述混合训练集为mi；定义所述初始化模型为。

13、在一些实施例中，所述s2包括：

14、s21：每个试验中心将训练获得的模型上传至多中心管理平台；

15、s22：通过模型平均算法重新确定全局模型：

16、；

17、其中，表示迭代n次的全局模型，为区块冲量，表示学习率，n表示迭代次数，表示第n次迭代后的第i个试验中心的模型，表示第n-1次迭代后的第i个试验中心的模型，j表示试验中心的数量。

18、第二方面，本发明提供了基于模型平均算法的多中心临床试验系统，包括：

19、初始化模块，用于每一个试验中心将该中心的试验数据以及试验结果作为训练集，通过相同的初始化模型进行训练；

20、模型训练模块，用于每个试验中心将训练获得的模型上传至多中心管理平台，并通过模型平均算法重新确定模型；

21、模型更新模块，用于将重新确定的模型发送至每一个试验中心，并更新模型；

22、模型迭代模块，用于重复初始化模块、模型训练模块以及模型更新模块的步骤，直至迭代次数达到预设值。

23、在一些实施例中，所述初始化模块包括：

24、数据结构定义子模块，用于定义训练数据结构，并将每一个试验中心的训练数据转换为该数据结构；

25、数据混合子模块，用于在每一个试验中心的训练数据中提取一部分，上传至多中心管理平台并将提取到的训练数据进行混合，作为公共训练数据；

26、数据共享子模块，用于将公共训练数据共享至每一个试验中心，并与各试验中心的训练集进行混合生成混合训练集，利用混合训练集对各试验中心初始化模型进行训练。

27、在一些实施例中，定义所述公共训练数据为l；定义所述混合训练集为mi；定义所述初始化模型为。

28、在一些实施例中，所述模型训练模块包括：

29、模型上传子模块，用于将每个试验中心将训练获得的模型上传至多中心管理平台；

30、模型平均子模块，通过模型平均算法重新确定全局模型：

31、；

32、其中，表示迭代n次的全局模型，为区块冲量，表示学习率，n表示迭代次数，表示第n次迭代后的第i个试验中心的模型，表示第n-1次迭代后的第i个试验中心的模型，j表示试验中心的数量。

33、第三方面，本发明提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的计算方法。

34、第四方面，本发明提供了一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任意一项所述的计算方法。

35、本申请的有益效果是：

36、本申请提供的基于模型平均算法的多中心临床试验方法及系统，在多个试验中心同时进行试验模型的训练，在训练到一定程度后，例如迭代t次之后，每个试验中心将模型上传至中心管理平台，并通过模型平均算法重新确定模型，从而在不断迭代的过程中不断对各个试验中心的模型进行重建，最终能够确定一个统一的全局模型，提高了多中心试验的效率。

技术特征：

1.基于模型平均算法的多中心临床试验方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于模型平均算法的多中心临床试验方法，其特征在于，所述s1包括：

3.根据权利要求2所述的基于模型平均算法的多中心临床试验方法，其特征在于，定义所述公共训练数据为l；定义所述混合训练集为mi；定义所述初始化模型为。

4.根据权利要求3所述的基于模型平均算法的多中心临床试验方法，其特征在于，所述s2包括：

5.基于模型平均算法的多中心临床试验系统，其特征在于，包括：

6.根据权利要求5所述的基于模型平均算法的多中心临床试验系统，其特征在于，所述初始化模块包括：

7.根据权利要求6所述的基于模型平均算法的多中心临床试验系统，其特征在于，定义所述公共训练数据为l；定义所述混合训练集为mi；定义所述初始化模型为。

8.根据权利要求7所述的基于模型平均算法的多中心临床试验系统，其特征在于，所述模型训练模块包括：

9.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4中任意一项所述的计算方法。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至4中任意一项所述的计算方法。

技术总结
本发明提供了基于模型平均算法的多中心临床试验方法及系统，该方法包括以下步骤：S1：每一个试验中心将该中心的试验数据以及试验结果作为训练集，通过相同的初始化模型进行训练；S2：每个试验中心将训练获得的模型上传至多中心管理平台，并通过模型平均算法重新确定模型；S3：将重新确定的模型发送至每一个试验中心，并更新模型；S4：重复S1‑S3步骤，直至迭代次数达到预设值。本发明提供的基于模型平均算法的多中心临床试验方法及系统，能够在多个试验中心同时进行试验模型的训练，在训练到一定程度后，通过模型平均算法重新确定模型，从而在不断迭代的过程中不断对各个试验中心的模型进行重建，最终能够确定一个统一的全局模型。

技术研发人员：张伯慧,车涛锋,刘士懂,马原野,李云峰,陈一超
受保护的技术使用者：神州医疗科技股份有限公司
技术研发日：
技术公布日：2024/1/15