利用概率神经网络生成多发性硬化数字孪生
机器学习
2020-04-21 v2 机器学习
定量方法
摘要
多发性硬化（MS）是一种以一组复杂临床评估为特征的神经退行性疾病。我们使用一种称为条件受限玻尔兹曼机（CRBM）的无监督机器学习模型，来学习 MS 临床试验中常用于刻画受试者及其疾病进展的协变量之间的关系。CRBM 能够生成数字孪生，即具有与实际受试者相同基线数据的模拟受试者。数字孪生使得针对疾病进展的受试者级统计分析成为可能。该 CRBM 使用来自三种主要 MS 亚型安慰剂臂临床试验中登记的 2395 名受试者的数据进行训练。我们讨论了 CRBM 的训练方式，并表明模型生成的数字孪生在若干度量上与其实际受试者对应体在统计上不可区分。
引用
@article{arxiv.2002.02779,
title = {Generating Digital Twins with Multiple Sclerosis Using Probabilistic Neural Networks},
author = {Jonathan R. Walsh and Aaron M. Smith and Yannick Pouliot and David Li-Bland and Anton Loukianov and Charles K. Fisher},
journal= {arXiv preprint arXiv:2002.02779},
year = {2020}
}