当深度学习遇见因果推断：基于真实世界数据的药物重定位计算框架
应用统计
2021-04-14 v1 机器学习
摘要
药物重定位是为现有药物发现新用途的有效策略，可提供从实验室到临床的最快转化。现有主要聚焦于临床前信息的药物重定位方法在应用于人体时可能存在转化问题。真实世界数据（RWD），如电子健康记录与保险理赔数据，为许多药物的大量用户群体提供信息。本文提出一种高效且易定制的框架，通过对 RWD 的回顾性分析生成并检验多个药物重定位候选。基于成熟的因果推断与深度学习方法，我们的框架在大规模医疗理赔数据库中为所含药物模拟随机临床试验。我们通过在冠心病（CAD）案例研究中评估 55 个重定位药物候选对各种疾病结局的效应来展示该框架。我们获得 6 个能显著改善 CAD 结局但未被批准用于 CAD 治疗的药物候选，为药物重定位铺平道路。
引用
@article{arxiv.2007.10152,
title = {When deep learning meets causal inference: a computational framework for drug repurposing from real-world data},
author = {Ruoqi Liu and Lai Wei and Ping Zhang},
journal= {arXiv preprint arXiv:2007.10152},
year = {2021}
}
备注
This version has been removed by arXiv administrators due to claim of copyright infringement