前列腺癌是导致男性患癌病人死亡的一个主要病因,在美国这是排在第二位的病因[1]。雄激素抑制疗法是晚期前列腺癌的主要治疗方法之一。然而,长期压制会导致病情复发。临床试验表明,间歇性雄激素抑制(IAS)治疗是一个很好的替代策略,可以延缓前列腺癌复发。Hirata等人[2]提出了一种分段线性常微分方程组模型来描述IAS治疗方案,然而由于他们没有找到一个好的方法来实现可靠的基于单个病人数据的参数拟合,使得该模型在个性化治疗分析时遇到了困难。我们提出了一种基于交叉熵的算法来拟合该分段线性模型的参数。通过与临床数据进行比较,切换系统的参数估计值具有良好的拟合精度,同时由于该算法可以并行实现,因此效率也得到了提高。除此之外,我们还能同时优化分段线性模型的切换时间点,以获得更安全可靠的治疗方案。我们进一步改进了已有的固定系数模型,提出了参数分段变化的分段线性ODE模型,计算结果显示新模型可以更为贴切地描述实际医学数据,无论是拟合效果还是预测均优于使用已有模型得到的结果。