使用基于几何学的变量自编码器生成具有可靠临床特征的人工患者:概念验证可行性研究
Fabrice Ferré1, Stéphanie Allassonnière2, Clément Chadebec2
1Department of Anesthesia, Intensive Care and Perioperative Medicine, Purpan University Hospital, Toulouse, France.
Journal of medical Internet research
|April 17, 2025
概括
研究人员在表格数据上使用变化自编码器 (VAE) 生成人工患者. 这项技术为医疗保健创建可靠的合成患者数据,确保患者的保密性,并使体试验成为可能.
科学领域:
- 医疗保健中的人工智能
- 机器学习用于合成数据生成.
- 计算生物学和医学 计算生物学和医学
背景情况:
- 人工患者技术为加快诊断和治疗提供了医疗保健中的变革潜力.
- 深度学习,特别是变化自编码器 (VAE),是生成人工健康数据的关键方法.
研究的目的:
- 评估使用基于几何学的VAE创建具有可靠临床属性的人工患者的可行性.
- 首次将VAE应用于高维度,低样本大小的表格数据.
主要方法:
- 从521名真实患者中提取了临床表格数据,用于麻醉制备.
- 实施了三阶段的方法:模型培训/数据生成,一致性/保密性评估和可信性验证.
- 产生了多达1万名人工患者.
主要成果:
- 在表格数据上证明了VAE的可行性,产生了超过94%的忠实度的大队伍.
- 确保了患者的保密性,人工患者与真实患者无法匹配 (相似性得分>99%).
结论:
- 概念验证研究成功增强了真实表格数据,以生成人工患者.
- 结果支持在大型人工患者队伍上进行in silico试验的潜力,克服了体内试验的局限性.
- 需要进一步的研究,以整合纵向数据来绘制患者轨迹.
