一个生成型的数字双胞胎患者,用于对口腔状状癌的顺序治疗

科学领域:

• 计算生物学是一种计算生物学.
• 医疗信息学医学信息学
• 机器学习在医疗保健中的应用

背景情况:

• 在现实世界中,治疗策略的测试往往是不可行的.
• 需要强大的模拟框架来建模患者多样性并预测结果.
• 促进个性化治疗规划需要"如果"情景分析.

研究的目的:

• 介绍一种生成模拟器,用于合成患者资料和预测治疗结果.
• 通过假设场景建模实现个性化治疗规划.
• 评估模拟器生成现实的患者资料和预测结果的能力.

主要方法:

• 利用变量自编码器和XGBoost模型进行概况合成和结果预测.
• 评估了产生现实的基线患者概况.
• 评估预测准确度使用F1分数对分类和平均平方误差对数值变量进行评估.

主要成果:

• 拟议的模拟器表现优于基于规则和多层感知子模型.
• 在25个临床变量中的22个实现了卓越的预测准确性.
• 成功建模复杂的临床轨迹,包括早期复发和复发性疾病.

结论:

• 生成模拟器有效地捕获复杂的临床数据关系.
• 在患者个人资料生成和结果预测方面,与基线方法相比,显示出优势.
• 建立未来个性化治疗计划研究的基础,包括"如果"分析.