用于比较经典模型和神经 ODE 模型中肿瘤生长的新工具
机器学习
2025-02-17 v2 定量方法
摘要
介绍一种新的计算工具 TumorGrowthjl 用于建模肿瘤生长。该工具允许比较标准教科书模型（如通用贝塔尔纳和戈普尔茨模型），以及一些较新的模型，包括首次引入的神经 ODE 模型。作为应用，我们重新审视了关于非小细胞肺癌和尿布癌病灶的 human meta 研究，病人接受两种不同的治疗方案，以确定之前报告的性能差异是否具有统计显著性，以及更复杂的模型是否表现更好。在样本量达到至少四次时间-体积测量（平均约为 6.3 次）的案例中，我们的主要结论是，通用贝塔尔纳模型在平均情况下表现优越。然而，在获取更多测量值的情况下，我们认为，能够捕捉复发和复发行为的更复杂模型可能是更好的选择。
引用
@article{arxiv.2502.07964,
title = {New tools for comparing classical and neural ODE models for tumor growth},
author = {Anthony D. Blaom and Samuel Okon},
journal= {arXiv preprint arXiv:2502.07964},
year = {2025}
}
备注
9 pages, 2 figures. Related software is archived at https://github.com/ablaom/TumorGrowth.jl