基于人工神经网络的医学数字孪生控制

个性化医疗的目标是根据个体患者独特的特征来定制干预措施。实现这一目标的一项关键技术是医学数字孪生，即可以个性化并动态更新以纳入随时间收集的患者特异性数据的人体生物学计算模型。人体生物学的某些方面，如免疫系统，不易用基于物理的模型（如微分方程）来捕捉。相反，它们通常是多尺度、随机和混合的。这对现有的基于模型的控制和优化方法构成了挑战，因为这些方法不能轻易应用于此类模型。自动微分和神经网络控制方法的最新进展有望解决复杂的控制问题。然而，这些方法在生物医学系统中的应用仍处于早期阶段。本工作引入动力学信息神经网络控制器作为控制医学数字孪生的一种替代方法。作为该方法的第一个用例，重点放在基于主体的模型上，这是一种在生物医学中通用且日益常见的建模平台。通过两种广泛使用的基于主体的模型类型，对所提出的神经网络控制方法的有效性进行了说明，并与其他方法进行了基准比较。本文介绍的方法的相关性不仅限于医学数字孪生，还适用于其他复杂动力系统。