通过结局加权深度学习算法估计个体化最优联合疗法
应用统计
2018-04-17 v1
摘要
随着药物开发的进步，单一疾病可有多种治疗方法。患者通常能从同时接受多种治疗中获益。例如，Clinical Practice Research Datalink (CPRD) 中患有 2 型糖尿病等慢性疾病的患者可以同时接受多种治疗。因此，估计患者能从哪种联合疗法中获益最多非常重要。然而，推荐最佳治疗组合不是单标签分类问题，而是多标签分类问题。本文提出了一种新颖的结局加权深度学习算法来估计个体化最优联合疗法。还给出了在一定条件下所提损失函数的 Fisher 一致性。此外，我们将方法扩展到一族损失函数，允许基于治疗相互作用的适应性变化。我们通过模拟和实际数据分析展示了所提方法的性能。
引用
@article{arxiv.1804.05378,
title = {Estimating Individualized Optimal Combination Therapies through Outcome Weighted Deep Learning Algorithms},
author = {Muxuan Liang and Ye Ting and Haoda Fu},
journal= {arXiv preprint arXiv:1804.05378},
year = {2018}
}