基于神经特征分解的个体化给药动力学
机器学习
2023-06-27 v1
摘要
给药模型常使用微分方程来建模生物动力学。特别是神经微分方程能够学习预测过程的导数，从而允许在不规则时间点进行预测。然而，这种时间灵活性往往伴随着对噪声的高度敏感性，而医学问题通常呈现高噪声与有限数据。此外，医学给药模型必须在个体患者与变化的治疗方案上可靠地泛化。为应对这些挑战，我们提出了神经特征随机微分方程算法（NESDE）。NESDE 提供个体化建模（使用患者级参数上的超网络）；对新治疗方案的泛化（使用解耦控制）；依据噪声水平的可调表达能力（使用分段线性）；以及快速、连续、闭式预测（使用谱表示）。我们在合成与真实医学问题中展示了 NESDE 的鲁棒性，并利用学习到的动力学发布了模拟医学 gym 环境。
引用
@article{arxiv.2306.14020,
title = {Individualized Dosing Dynamics via Neural Eigen Decomposition},
author = {Stav Belogolovsky and Ido Greenberg and Danny Eytan and Shie Mannor},
journal= {arXiv preprint arXiv:2306.14020},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2202.00117