Corringan [13]等利用反向传播网络(back-propagation Network， BP 网络)，在240例在医院接受庆大霉素治疗的病人中进行了测试。病人被随机分成220例一组用于模型的训练和优化，另外的20例用于得到模型的验证。利用病人的年龄和肾功能数据为输入值，经过验证，BP神经网络模型可以根据不同的年龄和肾功能较为准确地预测出患者体内的庆大霉素的血药浓度。叶毅芳[14]等为了预测肾移植病人体内霉酚酸的血药浓度，同样利用了BP神经网络模型建模，隐含层采用正切S型激活函数，输出层采用线性激活函数，训练方法采了用动量法。输入变量包括了时间t，采样点霉酚酸酯剂量、有限时间点霉酚酸血药浓度(ρ0、ρ0. 5、ρ2)、术后时间(posttrans-plantation days，PTD)、年龄(age)、性别(sex，男性为1，女性为 0)、体重(Weight)、丙氨酸氨基转移酶(ALT)、门冬氨酸氨基转移酶 (AST)、总胆红素(TBIL)、总蛋白(TP)、血浆白蛋白浓度(ALB)、尿素氮(BUN)、肌酐(CR)、是否合用 CsA、FK506 及抗酸药(合用为 1 ......