我们可以通过在模拟数据上预训练来提高治疗结果预测吗？
机器学习
2026-01-13 v1
摘要
在个性化医疗的背景下，机器学习算法的应用正在迅速增长。这些算法需要大量信息，这些信息可以通过有效利用之前收集的数据来获取。已提出开放数据和合成化技术的使用来解决这一问题。在本文中，我们提出并评估了另一种方法，该方法使用基于文献中总结统计信息的模拟数据进行预训练，然后在真实数据集上进行微调。我们将新的方法与仅在真实数据上训练的随机森林进行比较。采用 100 次蒙特卡洛交叉验证（MCCV）框架来调查结果的显著性和稳定性。由于第一次研究结果令人 inconclusive，我们进行了第二次研究，方法得以改进（即系统信息提取和不同的预测结果）。在研究 1 中，一些预训练随机森林在描述性上超过标准随机森林。然而，这一改进并不显著（t(99) = 0.89, p = 0.19）。与预期相反，在研究 2 中，仅使用真实数据训练的随机森林超过了预训练随机森林。我们随后讨论了挑战问题，例如信息丰富的出版物的稀缺情况，并对未来研究提出建议。
引用
@article{arxiv.2601.06159,
title = {Can we Improve Prediction of Psychotherapy Outcomes Through Pretraining With Simulated Data?},
author = {Niklas Jacobs and Manuel C. Voelkle and Norbert Kathmann and Kevin Hilbert},
journal= {arXiv preprint arXiv:2601.06159},
year = {2026}
}