神经药代动力学状态空间建模
机器学习
2021-06-21 v3
摘要
对高维纵向数据的时间序列进行建模对于预测患者疾病进展十分重要。然而，现有的基于神经网络的患者状态表示学习方法虽然非常灵活，却容易过拟合。我们提出了一种深度生成模型，其利用受治疗影响疾病状态物理机制启发的新型基于注意力的神经架构。结果是一个可扩展且准确的模型，用于刻画随时间变化的高维患者生物标志物。我们提出的模型在泛化能力上取得显著改进，并且在真实世界临床数据上提供了关于癌症进展动力学的可解释见解。
引用
@article{arxiv.2102.11218,
title = {Neural Pharmacodynamic State Space Modeling},
author = {Zeshan Hussain and Rahul G. Krishnan and David Sontag},
journal= {arXiv preprint arXiv:2102.11218},
year = {2021}
}
备注
To appear at the International Conference on Machine Learning (ICML) 2021