基于特征评分的数据驱动治疗推荐
统计方法学
2022-02-22 v2
摘要
尽管有大量基因组学数据可用，但医学治疗推荐尚未成功利用这些数据。本文考虑了高维基因组-临床数据及非参数方法在癌症治疗推荐中的效用。这建立在个体化治疗规则框架 [Qian and Murphy 2011] 之上，但我们旨在克服其方法的局限性，特别是在该方法遇到大量协变量及模型误设问题时的局限。我们使用一种降维方法，即切片逆回归（SIR, [Li 1991]），结合一类丰富的治疗响应模型来解决这一问题。值得注意的是，SIR 为高维数据定义了一个特征空间，提供了类似于流行神经网络模型中的优势。利用从 SIR 获得的特征，我们使用简单的可视化来比较不同的治疗方案并给出推荐治疗。此外，我们通过值函数推导了所提推荐方法的一致性与收敛速度。通过模拟研究以及多发性骨髓瘤治疗的真实数据示例中的良好结果，证明了所提方法的有效性。
引用
@article{arxiv.2108.04364,
title = {Data-guided Treatment Recommendation with Feature Scores},
author = {Zhongyuan Chen and Ziyi Wang and Qifan Song and Jun Xie},
journal= {arXiv preprint arXiv:2108.04364},
year = {2022}
}