論文の概要: Learning-Based sensitivity analysis and feedback design for drug delivery of mixed therapy of cancer in the presence of high model uncertainties

• arxiv url: http://arxiv.org/abs/2205.07482v1
• Date: Mon, 16 May 2022 07:08:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-17 17:59:42.505792
• Title: Learning-Based sensitivity analysis and feedback design for drug delivery of mixed therapy of cancer in the presence of high model uncertainties
• Title（参考訳）: 高モデル不確実性下での混合癌治療の薬物投与に対する学習に基づく感度分析とフィードバック設計
• Authors: Mazen Alamir
• Abstract要約: ダッシュボードは、結果の確率と関連する薬物使用量を減少状態空間のアイソ値曲線として要約した最も流動的な状態成分の2次元空間に構築可能であることが示されている。 ダッシュボードは、結果の確率と関連する薬物使用量を減少状態空間のアイソ値曲線として要約した最も流動的な状態成分の2次元空間に構築可能であることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, a methodology is proposed that enables to analyze the sensitivity of the outcome of a therapy to unavoidable high dispersion of the patient specific parameters on one hand and to the choice of the parameters that define the drug delivery feedback strategy on the other hand. More precisely, a method is given that enables to extract and rank the most influent parameters that determine the probability of success/failure of a given feedback therapy for a given set of initial conditions over a cloud of realizations of uncertainties. Moreover predictors of the expectations of the amounts of drugs being used can also be derived. This enables to design an efficient stochastic optimization framework that guarantees safe contraction of the tumor while minimizing a weighted sum of the quantities of the different drugs being used. The framework is illustrated and validated using the example of a mixed therapy of cancer involving three combined drugs namely: a chemotherapy drug, an immunology vaccine and an immunotherapy drug. Finally, in this specific case, it is shown that dash-boards can be built in the 2D-space of the most influent state components that summarize the outcomes' probabilities and the associated drug usage as iso-values curves in the reduced state space.
• Abstract（参考訳）: 本稿では, 治療結果の感度を, 患者固有のパラメータの高分散を回避可能とし, 薬物提供フィードバック戦略を定義するパラメータの選択を可能にする手法を提案する。 より正確には、与えられた初期条件に対するフィードバック療法の成功/失敗の確率を不確実性のクラウド上で決定する最も流動的なパラメータを抽出し、ランク付けすることができる方法が与えられる。 さらに、使用される薬物の量に対する期待の予測者も導出することができる。 これにより、腫瘍の安全な収縮を保証し、使用中の異なる薬物量の重み付けを最小化できる効率的な確率最適化フレームワークを設計することができる。 この枠組みは、化学療法薬、免疫学ワクチン、免疫療法薬という3つの組み合わせ薬物を含むがんの混合治療の例を用いて示され、検証される。 最後に、この特定の場合において、ダッシュボードは、結果の確率と関連する薬物使用を還元状態空間におけるiso値曲線として要約する最も影響の大きい状態成分の2d空間に構築できることが示される。

関連論文リスト

• Non-Linear Self Augmentation Deep Pipeline for Cancer Treatment outcome Prediction [7.455416595124159]
  著者らは、深い下流の分類器とともに非線形セルアーキテクチャを利用する革新的な戦略を提示している。 本研究の目的は,胸部CT像から抽出した2次元特徴を慎重に選択・拡張し,治療成績の予測を改善することである。 提案したパイプラインは、高度に組み込まれたPoint of Careシステムとシームレスに統合するように慎重に設計されている。
  論文  参考訳（メタデータ） (2023-07-26T15:01:26Z)
• A Decision Making Approach for Chemotherapy Planning based on Evolutionary Processing [0.0]
  本稿では,がん化学療法のための多目的メタヒューリスティック法を提案する。 提案手法は, 薬物濃度, 腫瘍増殖量, 毒性量を測定するために, 数学的モデルを用いている。 以上の結果から, 提案手法は, より最近の類似手法と比較して, 治療性能が向上することが示された。
  論文  参考訳（メタデータ） (2023-03-19T02:26:50Z)
• Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
  治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。 ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。 我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
  論文  参考訳（メタデータ） (2022-06-16T17:59:05Z)
• Probabilistic feature extraction, dose statistic prediction and dose mimicking for automated radiation therapy treatment planning [0.5156484100374058]
  線量関連量の予測不確実性を定量化する枠組みを提案する。 この情報は、自動放射線治療治療計画の文脈における線量模倣問題で活用することができます。
  論文  参考訳（メタデータ） (2021-02-24T21:35:44Z)
• Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
  臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。 退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。 複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
  論文  参考訳（メタデータ） (2021-02-08T10:26:44Z)
• Bayesian prognostic covariate adjustment [59.75318183140857]
  疾患の結果に関する歴史的データは、様々な方法で臨床試験の分析に組み込むことができる。 我々は, 予測モデルからの予後スコアを用いて, 治療効果推定の効率を向上する既存の文献に基づいて構築する。
  論文  参考訳（メタデータ） (2020-12-24T05:19:03Z)
• A standardized framework for risk-based assessment of treatment effect heterogeneity in observational healthcare databases [60.07352590494571]
  本研究の目的は,この手法を標準化されたスケーラブルなフレームワークを用いて観測環境に拡張することであった。 アンジオテンシン変換酵素阻害薬(ACE)とβ阻害薬の3つの効果と6つの安全性に対する効果を評価することにより,我々の枠組みを実証する。
  論文  参考訳（メタデータ） (2020-10-13T14:48:31Z)
• Kernel Assisted Learning for Personalized Dose Finding [20.52632915107782]
  個別化線量規則は、患者レベル情報に基づいて、連続した安全な線量範囲内の線量レベルを推奨する。 本稿では,最適な個別化線量規則を推定するためのカーネル支援学習法を提案する。
  論文  参考訳（メタデータ） (2020-07-19T23:03:26Z)
• Learning for Dose Allocation in Adaptive Clinical Trials with Safety Constraints [84.09488581365484]
  新しい化合物の有効性と毒性の関係がより複雑になるにつれて、第1相線量測定試験はますます困難になっている。 最も一般的に使われている方法は、毒性事象のみから学習することで、最大許容量(MTD)を特定することである。 本稿では, 毒性安全性の制約を高い確率で満たしつつ, 累積効果を最大化することを目的とした, 適応型臨床試験手法を提案する。
  論文  参考訳（メタデータ） (2020-06-09T03:06:45Z)
• Reinforcement learning and Bayesian data assimilation for model-informed precision dosing in oncology [0.0]
  現在の戦略はモデルインフォームドドッキングテーブルで構成されている。 ベイジアンデータ同化と/または強化学習を併用したMIPDのための新しい3つのアプローチを提案する。 これらのアプローチは、致命的グレード4と治療下グレード0のニュートロピーの発生を著しく減少させる可能性がある。
  論文  参考訳（メタデータ） (2020-06-01T16:38:27Z)
• Contextual Constrained Learning for Dose-Finding Clinical Trials [102.8283665750281]
  C3T-Budget(C3T-Budget)は、予算と安全性の両方の制約の下での線量フィリングのための文脈制約付き臨床試験アルゴリズムである。 残りの予算、残業時間、各グループの特徴を考慮して患者を募集する。
  論文  参考訳（メタデータ） (2020-01-08T11:46:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。