面向更个性化癌症治疗的 Kolmogorov-Arnold 网络与演化博弈论
机器学习
2025-01-15 v1 神经与进化计算
摘要
个性化癌症治疗正在革新肿瘤学，通过利用精准医学和先进的计算技术，为个体患者量身定制疗法。尽管其变革性潜力巨大，但由于预测模型的通用性、可解释性和可重复性受限，阻碍了其在临床实践中的融入。现有方法常依赖黑箱机器学习模型，虽然准确，但缺乏临床医生信任和实际应用所需的透明度。本文提出开发一种创新框架，将 Kolmogorov-Arnold 网络 (KANs) 与演化博弈论 (EGT) 相结合，以解决上述局限性。受 Kolmogorov-Arnold 表示定理启发，KANs 提供可解释的、基于边缘的神经网络架构，能够以前所未有的可适应性建模复杂的生物系统。将其集成到 EGT 框架中，可实现对癌症进展和治疗反应的动态建模。通过将 KANs 的计算精度与 EGT 的机制性见解相结合，该混合方法有望提升预测准确度、可扩展性和临床可用性。
引用
@article{arxiv.2501.07611,
title = {Kolmogorov-Arnold Networks and Evolutionary Game Theory for More Personalized Cancer Treatment},
author = {Sepinoud Azimi and Louise Spekking and Kateřina Staňková},
journal= {arXiv preprint arXiv:2501.07611},
year = {2025}
}