沈惠文，林永忠，陈淑良，张立红，马春野，马得原，张策*

    缺血性脑卒中(ischemic stroke，IS)起病急，治疗时间窗窄，治疗效果影响因素复杂，因此快速诊断患者病情、评估及给予治疗方案是关键。现认为静脉溶栓是最主要的恢复IS患者血管血流循环的方式，常使用的静脉溶栓药物主要有阿替普酶和尿激酶，而患者自身情况各异，且治疗方式、给药种类、给药剂量、给药方式均会影响患者的溶栓效果。Wide&Deep模型的核心是将深度神经网络具备的泛化性和线性模型的记忆性能相结合，目的是为了能够较大程度提升模型的预测性能[1]，同时解决“记忆”和“泛化”的问题。“记忆”是指在面对大量离散稀疏的特征时，将特征进行非线性转换，使其具有可解释程度强等优点。但随模型复杂程度增加，记忆能力增强，模型易出现过拟合的情况。而“泛化”恰好能缓解该类问题，“泛化”是稀疏特征学习低维的密集嵌入来捕获特征之间的相关性，即将高维度向量转换到低维度空间中，需要较少的工作量。因此采用大数据的学习方式，根据已经采用某一方案溶栓的患者预后，反推干预手段，从而建立以患者特征、干预手段及其他影响因素为输入变量，预测治疗效果为输出变量的大数据算法，包括Wide&Deep、支持向量机(SVM)、分类回归树(CART)、C5.0决策树、深度神经网络(DNN)等。

    目前，医学大数据多集中在医学影像方面[2-4]，在临床辅助诊断和监测方面的研究尚少见。溶栓药物研究多集中于溶栓药物的临床效果观察[5-6]、用药效果及安全性分析[7-8]、溶栓效果影响因素[9-12]方面，样本量多为数十到数百不等。针对溶栓治疗方法的人工智能算法尚未见报道。本研究尽可能多的纳入混杂因素，如高血压、冠心病等既往病史，同时利用人工智能的有效算法，更全面的探讨了溶栓影响因素，也降低了混杂偏倚，以期在真实世界背景下，增加人工智能用药推荐模型的适用性。在IS患者入院时，根据患者的不同特点，由模型算法推荐最优治疗方法及给药方案，如用药剂量、用药种类及给药方式等，同时算法转化后应用于临床，以期对患者的识别、治疗方法的动态监测与调控、诊断操作的自动与精准提供有益探索。

    1 对象与方法

    1.1 研究对象 采用回顾性研究方式，从大连医科大学附属第二医院医渡云科研大数据服务器系统提取本院确诊为IS的患者(n=55 621)的临床信息，时间为2001-01-01至2021-12-31。IS患者纳入标准：(1)年龄>18岁，男女不限；(2)根据神经影像学诊断为脑部存在责任缺血病灶；(3)患者入院及出院时美国国立卫生研究院卒中量表(NIHSS)评分完整；(4)具有溶栓指征 ......