[個別化された処理規則を推定するための重み付けされたランダムな森林]
1Department of Biostatistics, School of Public Health, Nanjing Medical University, Nanjing 211166, China.
この研究は,パーソナライズされた医療のための重量化されたランダムフォレスト法を導入し,多カテゴリー治療の推奨を改善します. このアプローチは,臨床意思決定における 個別化された治療規則の正確性と強さを高めます.
科学分野:
- バイオ統計学
- 機械学習
- パーソナライズ された 医療
背景:
- パーソナライズされた医療は 個々の患者に最適の治療の推奨を必要とする.
- 現在の方法は,複数のカテゴリーの処理シナリオで精度と堅牢さで苦労しています.
研究 の 目的:
- 個別化された処理規則のための新しい加重ランダム森林法を提案する.
- 多重治療の設定における治療勧告の正確性と堅実性を向上させる.
主な方法:
- 重み付けの分類タスクとして処理決定を策定した.
- ランダムな森林の非パラメトリックで柔軟な性質を利用した.
- 治療結果の間の期待される損失の差異を組み込んだ.
主要な成果:
- 推計されたランダム・フォレスト・メソッドは,改善された推奨パフォーマンスを示した.
- パーソナライズされた治療戦略のための実際の高血圧データに成功裏に適用されました.
結論:
- 提案された方法は,複雑な環境における個別化された治療ルールの新しいアプローチを提供します.
- データ主導の臨床意思決定システムの開発の可能性を示しています.
- パーソナライズド医療における ウェイトされたランダムフォレストの価値を強調しています
さらに関連する動画
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
06:55Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
関連する概念動画
Randomized Experiments
Simple randomization
Simple...
Mechanistic Models: Compartment Models in Individual and Population Analysis
Regression Toward the Mean
Survival Tree
Building a Survival Tree
Constructing a...
Wald-Wolfowitz Runs Test I
The test works...
Random Sampling Method
