先验拟合函数流：药代动力学中的原位生成模型
机器学习
2026-04-21 v1 机器学习
摘要
我们提出先验拟合函数流（Prior-Fitted Functional Flows），这是一种用于药代动力学的生成式基础模型，能够实现零样本人群合成和个体预测，且无需手动参数调优。我们学习功能向量场，并明确以整个研究人群的稀疏、不规则数据为条件，从而能够生成连贯的虚拟队列并对部分观察到的患者轨迹进行带校准不确定性的预测。我们构建了一个新的开放获取的文献语料库以 Inform our priors，并在广泛的真实世界数据集上展示了最先进的预测精度。
引用
@article{arxiv.2604.17670,
title = {Prior-Fitted Functional Flow: In-Context Generative Models for Pharmacokinetics},
author = {César Ojeda and Niklas Hartung and Wilhelm Huisinga and Tim Jahn and Purity Kamene Kavwele and Marian Klose and Piyush Kumar and Ramsés J. Sánchez and Darius A. Faroughy},
journal= {arXiv preprint arXiv:2604.17670},
year = {2026}
}
备注
9 pages, 2 tables and 4 figures