用于药物反应预测的混合量子神经网络
量子物理
2023-05-17 v2 人工智能
摘要
癌症是全球主要死因之一。它由多种基因突变引起，使得每一例疾病都是独特的。由于化疗可能产生极其严重的副作用，每位患者需要个性化的治疗方案。找到使药物有益效果最大化并使其不良副作用最小化的剂量至关重要。深度神经网络使药物选择自动化并得以改进。然而，它们需要大量数据进行训练。因此，需要所需数据更少的机器学习方法。混合量子神经网络已被证明在训练数据可用性有限的问题中具有潜在优势。我们提出了一种用于药物反应预测的 novel（新型）混合量子神经网络，它基于卷积层、图卷积层和 8 量子比特、363 层的深度量子神经层的组合。我们在缩减的 Genomics of Drug Sensitivity in Cancer 数据集上测试了我们的模型，并表明该混合量子模型在预测 IC50 药物有效性值方面比其经典对应模型高出 15%。所提出的混合量子机器学习模型是迈向具有数千个量子门、用于解决个性化医疗中数据收集困难问题的深度量子数据高效算法的一步。
引用
@article{arxiv.2211.05777,
title = {Hybrid quantum neural network for drug response prediction},
author = {Asel Sagingalieva and Mohammad Kordzanganeh and Nurbolat Kenbayev and Daria Kosichkina and Tatiana Tomashuk and Alexey Melnikov},
journal= {arXiv preprint arXiv:2211.05777},
year = {2023}
}
备注
11 pages, 4 figures, 1 table