Jun, 2024
使用神经随机微分方程对连续疾病轨迹和治疗效果进行概率性时间预测
Probabilistic Temporal Prediction of Continuous Disease Trajectories and
Treatment Effects Using Neural SDEs
Joshua Durso-Finley, Berardino Barile, Jean-Pierre Falet, Douglas L. Arnold, Nick Pawlowski...
TL;DR基于医学影像的个性化医学，可以准确预测未来个体化临床疾病进展和治疗反应，对于长期、复杂、异质性的无法治愈的疾病（如多发性硬化症（MS））的医疗和药物开发具有巨大影响。本文提出了第一个用于建模疾病进展的连续时间因果框架，利用神经随机微分方程（NSDE）。该因果推断模型以患者的高维影像（MRI）和表格数据为输入，预测潜空间中不同治疗的真实和反事实进展轨迹。NSDE允许估计高置信度的个性化轨迹和治疗效果。在多中心独家数据集上进行了大量实验，该数据集包括在多个随机临床试验中获得的患者3D MRI和临床数据。我们的结果展示了第一个基于不确定性的因果深度学习（DL）模型，可以准确预测未来患者的MS残疾发展（如EDSS）和治疗效果，利用基线MRI，并且可以发现在临床试验中没有达到临床终点的患者亚组，模型对他们的治疗反应具有高置信度。