化疗和放疗的数学形式如何偏向模型优化预测：对模型选择的影响
定量方法
2025-11-21 v1
摘要
向个性化治疗和数字孪生体发展 requires 对构成这些优化基于仿真的策略的数学模型有完整理解。本研究探讨了数学模型选择对化疗和放疗方案优化的影响。通过考察三种化疗模型（log-kill、Norton-Simon 和 Emax），以及三种放疗模型（linear-quadratic、增殖饱和指数和连续死亡率），我们识别出优化方案之间的相似性和显著差异。我们展示了模型公式中内置的假设如何深刻影响最优治疗剂量和序列，从而可能导致相互矛盾的结果。进一步，我们展示了不同的模型形式如何影响自适应疗法中的预测。随着治疗决策越来越依赖基于仿真的策略，未经检视的模型假设会引入偏差，导致模型依赖的建议可能不可推广。本研究强调，将模型选择置于对偏差、灵敏度、实际参数可识别性和/或推断参数后验分布的完整分析之中，作为不确定性量化过程的一部分，而不是仅依赖信息准则，是至关重要的。在对模型选择进行足够的不确定性量化分析后，将导致更稳健、更通用的预测，从而指导个性化治疗计划。
引用
@article{arxiv.2511.15932,
title = {How Mathematical Forms of Chemotherapy and Radiotherapy Bias Model-Optimized Predictions: Implications for Model Selection},
author = {Changin Oh and Kathleen P. Wilkie},
journal= {arXiv preprint arXiv:2511.15932},
year = {2025}
}
备注
38 pages, 15 figures, 4 tables