通过通用物理信息神经网络学习化疗药物作用
定量方法
2024-04-15 v1 机器学习
化学物理
摘要
定量系统药理学广泛用于在药物进入临床试验前评估其药效与毒性。然而，为了构建 QSP 模型，需要对文献进行大量的人工梳理。可能需要对参数进行拟合，并且需要对模型做出简化假设。在这项工作中，我们应用通用物理信息神经网络来学习对化疗药效学进行建模的各种微分方程中的未知组件。我们从合成数据中学习了三种常用的化疗药物作用（对数杀灭、Norton-Simon 和 ）。然后，我们使用 UPINN 方法同时拟合多个合成数据集的参数。最后，我们在多柔比星（一种化疗药物）药效学模型中学习了净增殖率。由于这些仅仅是演示性示例，我们重点强调了 UPINN 在学习药效学和药代动力学模型中未知项方面的有效性。
引用
@article{arxiv.2404.08019,
title = {Learning Chemotherapy Drug Action via Universal Physics-Informed Neural Networks},
author = {Lena Podina and Ali Ghodsi and Mohammad Kohandel},
journal= {arXiv preprint arXiv:2404.08019},
year = {2024}
}