使用人工神经网络对医疗数字双胞胎进行控制

科学领域:

• 计算生物学 计算生物学
• 生物医学工程 生物医学工程
• 控制理论 控制理论

背景情况:

• 精准医学旨在使用计算模型来个性化患者干预.
• 医疗数字双胞胎是个性化的生物模型,但控制像免疫系统这样的复杂系统是具有挑战性的.
• 现有的控制方法与多尺度,随机和混合生物模型作斗争.

研究的目的:

• 引入动态信息的神经网络控制器来管理医疗数字双胞胎.
• 在生物医学中,将这些控制器应用于基于代理的模型 (ABM) 上并对其进行评估.
• 量化模型和控制参数中的不确定性,用于随机ABM.

主要方法:

• 利用动态信息的神经网络控制器用于医疗数字双胞胎控制.
• 应用在生物医学中常用的基于代理物的模型 (ABM) 的方法.
• 对神经网络控制器与现有方法进行基准测试.
• 对随机系统的模型和控制参数的量化不确定性.

主要成果:

• 证明了基于动态信息的神经网络控制器在控制ABM方面的有效性.
• 成功地将拟议的方法与其他控制方法进行了比较.
• 量化不确定性,解决生物系统的随机性质.

结论:

• 基于动态信息的神经网络控制器为控制复杂的医疗数字双胞胎提供了一个有希望的替代方案.
• 这种方法促进了先进的控制方法在个性化医学和生物医学建模中的应用.
• 解决不确定性对于可靠控制随机生物系统至关重要.