（1湖北省食品药品监督检验研究院 湖北 武汉 430064）
（2武汉理工大学计算机学院 湖北 武汉 430070）
【摘要】 本文通过研究人工神经网络算法的理论，结合药品安全指数的实际情况提出了药品安全指数权值的调整策略和药品安全指数权值的确定方法，根据这种方法确定了一级指标与二级指标指数级，并对一级指标中的药品机构检验合格率进行了细致的划分与分析。最后说明了这种权值策略提供的药品安全指数能科学、实时、动态地处理各种指标与相应的权值。
【关键词】 药品安全指数；神经网络算法；指标权值
【中图分类号】R95 【文献标识码】A 【文章编号】2095-1752（2016）01-0370-02
药品安全指数目前的研究状况是资料少，研究面比较窄，而且研究的数据一般为静态的，片面的，不能实施反应出药品安全指数的动态变化，本文引入人工神经网络算法其目的就是为了利用该算法的智能学习、条件权值影响和反馈机制等来构建一个能准确反应药品市场安全状况的指数。
1.人工神经网络算法与药品安全指数
人工神经网络是一种模仿动物神经元学习的智能数学算法模型，它由大量的、简单的人工神经细胞相互作用和连接形成的网络系统。这种算法具有自我学习，自我训练，能考虑诸多因素和条件，还能模糊处理问题，并反馈给神经网络使之调节阀值和权值更能接近实际值。其应用如下图1所示：
影响药品安全指数的指标有多种类型，主要分为：动态的、静态的、主观的、客观的等，这些复杂的指标用人工神经网络算法比较合适。在上图中左边为输入层，该层是影响该指标的各种因素，相对应的权值为 ，这些权值用德尔菲法、专家评价法、调研问卷等多种形式获取；中间部分为隐藏层，
该层主要是公式 的运算，其中 根据经验判定值，函数f由具体对应的指标来变化，右边为最后的输出结果y，给定一个相应的取值区间，如果y输出结果在该区间说明权值、阀值不需要调整，可以直接使用这些权值求出药品安全指数，反之，则说明需要调整。
2.药品安全指数的指数级及权重比率定义
药品安全指数的一级指标主要有五大类，分别是：药品机构检验合格率、医院制剂与不良反应、药品安全信息、药品安全突发事件、药品安全主观意识等。药品机构检验合格率一般为实验室检测的各种检品，这些检品的抽样都是有目的针对性地采集，因此，该一级指标大类应作为所有指标的标杆，我们定义该大类指标的指数级为100，其余四种一级指标都不能高于该指标的指数级。一级指标下分可以定量的二级指标，二级指标根据专家评价法收集到的材料主要有以下八个：国家评价性抽验合格率，全省药品质量监督抽样合格率，日常监督抽样合格率，风险抽样合格率，企业送检抽验合格率，快检车抽验合格率，生产企业抽验合格率、流通过程的抽验合格率等。根据收集到的调研问卷及经验判断，对这八个二级指标划分比率分别为：25%，20%，20%，15%，5%，5%，5%，5%。一级指标的其它四大类相对于药品机构检验合格率的比率分别为：70%，50%，40%，20%。通过这种方式可以获得药品安全指数的总指数级为280，但这个指数级也并不是一成不变的，它利用人工神经网络的自适应及调节机制，随时间推移不断地调整与训练学习，以期望达到最佳结果。
3.权值的调整策略
人工神经网络有两种过程，分为：正向学习过程和反向学习过程。正向学习过程如1节所示的用于判定权值和阀值是否需要调整，反向学习过程则根据误差结果修正权值或阀值。具体流程如下，（1）求出激励函数，一般情况下激励函数为 ，也可以根据具体需要做出调整；（2）输入层误差信号，该层次的误差信号主要是由期望输出与实际输出的差，然后得到的值与激励函数求积；（3）中间层误差信号，使用公
式 ，其中k为迭代次数，通过增
加迭代运算的次数，能得到符合需要的值；（4）估计函数，增加神经网络的学习率，学习率则依靠经验得出，这能使误差信息越来越小，最终能达到要求。通过这些步骤得到最终的权值结果，使用这些权值计算药品安全指数。使药品安全指数的权值能有自我学习和调整性。
4.总结与展望
本文提出了基于人工神经网络的药品安全指数权值的调整策略，该权值的调整策略能根据具体的情况和实时的数据进行调整，使药品安全指数具有科学性、实时性、智能性等，也更能全面反映出市场药品安全的状况，为政府决策提供数据支撑。
在未来的研究中，需要具体真实的数据对一级指标和二级指标得到的权值、药品安全指数级，药品安全指数进行验证，验证的结果进行分析，通过专家评价法和层次分析法分析得到的结果是否可靠，如果可靠则说明该策略不需要改进，如果不可靠根据原因再调整人工神经网络算法使之适应。
【参考文献】
[1] 罗震钧，张颖江，定天明，相文静.药品安全指数构建方法研究[J]. 中国药事，2015,29(10):28-29.
[2] 秦娟，罗震钧，张颖江.基于无线传感器网络智能药检实验室系统的研究与设计[J].电子技术与软件工程，2015,54（02）：11-12.
[3] Zhenjun Luo,Yingjiang Zhang,Juan Qin. Based on VPN tunnel technology of wireless local area network，2012 International Conference on Electrical Insulating Materials and Electrical Engineering, 2012:1188-1193.
项目来源：湖北省自然科学基金面上项目（NO.2014CFC1021）
论文作者:庞璋帆,罗震钧,定天明
论文发表刊物:《医药前沿》2016年1月第1期
论文发表时间:2016/5/13
标签：药品论文; 指数论文; 神经网络论文; 指标论文; 合格率论文; 算法论文; 误差论文; 《医药前沿》2016年1月第1期论文;