BriefGPT - AI 论文速递
·
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
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文提出了一个连续时间因果框架，利用神经随机微分方程进行建模，以患者的高维影像和表格数据为输入，预测不同治疗的进展轨迹。实验结果表明，该模型可以准确预测多发性硬化症患者的残疾发展和治疗效果，并发现临床试验中未达到终点的患者亚组。
🎯
关键要点
- 提出了一个连续时间因果框架，用于建模疾病进展。
- 利用神经随机微分方程（NSDE）进行建模。
- 以患者的高维影像（MRI）和表格数据为输入，预测不同治疗的进展轨迹。
- 模型可以准确预测多发性硬化症患者的残疾发展和治疗效果。
- 在多中心独家数据集上进行了大量实验，数据包括患者的3D MRI和临床数据。
- 展示了基于不确定性的因果深度学习模型的首次应用。
- 能够识别临床试验中未达到终点的患者亚组，并对其治疗反应具有高置信度。
➡️
