論文の概要: A Decision Making Approach for Chemotherapy Planning based on Evolutionary Processing

• arxiv url: http://arxiv.org/abs/2303.10535v1
• Date: Sun, 19 Mar 2023 02:26:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 18:51:54.110375
• Title: A Decision Making Approach for Chemotherapy Planning based on Evolutionary Processing
• Title（参考訳）: 進化的処理に基づく化学療法計画のための意思決定手法
• Authors: Mina Jafari, Behnam Ghavami, Vahid Sattari Naeini
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The problem of chemotherapy treatment optimization can be defined in order to minimize the size of the tumor without endangering the patient's health; therefore, chemotherapy requires to achieve a number of objectives, simultaneously. For this reason, the optimization problem turns to a multi-objective problem. In this paper, a multi-objective meta-heuristic method is provided for cancer chemotherapy with the aim of balancing between two objectives: the amount of toxicity and the number of cancerous cells. The proposed method uses mathematical models in order to measure the drug concentration, tumor growth and the amount of toxicity. This method utilizes a Multi-Objective Particle Swarm Optimization (MOPSO) algorithm to optimize cancer chemotherapy plan using cell-cycle specific drugs. The proposed method can be a good model for personalized medicine as it returns a set of solutions as output that have balanced between different objectives and provided the possibility to choose the most appropriate therapeutic plan based on some information about the status of the patient. Experimental results confirm that the proposed method is able to explore the search space efficiently in order to find out the suitable treatment plan with minimal side effects. This main objective is provided using a desirable designing of chemotherapy drugs and controlling the injection dose. Moreover, results show that the proposed method achieve to a better therapeutic performance compared to a more recent similar method [1].
• Abstract（参考訳）: 化学療法治療最適化の問題は、患者の健康を危険にさらすことなく腫瘍の大きさを最小化するために定義できるため、同時に多くの目的を達成する必要がある。 このため、最適化問題は多目的問題となる。 本稿では,毒性の量と癌細胞の数という2つの目的のバランスをとることを目的として,がん化学療法のための多目的メタヒューリスティックな手法を提案する。 提案法は, 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た。 本手法は多目的粒子群最適化(MOPSO)アルゴリズムを用いて,細胞周期特異的薬物を用いたがん化学療法計画の最適化を行う。 提案手法は、異なる目的間でバランスをとる出力として一連のソリューションを返却し、患者の状態に関する情報に基づいて最も適切な治療計画を選択することができるため、パーソナライズ医療にとって良いモデルとなり得る。 実験の結果, 探索空間を効率的に探索でき, 副作用の少ない適切な治療計画を見出すことができた。 この主な目的は、化学療法薬の望ましい設計と、投与量を制御することである。 さらに, 提案手法は, より最近の類似手法である[1]と比較して, 治療性能が向上することを示した。

関連論文リスト

• Automating proton PBS treatment planning for head and neck cancers using policy gradient-based deep reinforcement learning [0.7519872646378836]
  本稿では,PPOアルゴリズムと線量分布に基づく報酬関数を用いた自動治療計画モデルを提案する。 実験的なルールのセットは、ターゲットのボリュームとリスクのある臓器から補助的な計画構造を作成するために使用される。 PPOを用いて訓練された意思決定ポリシーネットワークを開発し、連続的な行動空間において、関連する計画目標パラメータを反復的に調整する。
  論文  参考訳（メタデータ） (2024-09-17T22:01:56Z)
• Using Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Large Language Model Distilling Medication Recommendation Model [61.89754499292561]
  大規模言語モデル(LLM)の強力な意味理解と入力非依存特性を利用する。 本研究は, LLMを用いて既存の薬剤推奨手法を変換することを目的としている。 これを軽減するため,LLMの習熟度をよりコンパクトなモデルに伝達する機能レベルの知識蒸留技術を開発した。
  論文  参考訳（メタデータ） (2024-02-05T08:25:22Z)
• Deep learning methods for drug response prediction in cancer: predominant and emerging trends [50.281853616905416]
  がんを研究・治療するための計算予測モデルをエクスプロイトすることは、薬物開発の改善と治療計画のパーソナライズドデザインにおいて大きな可能性を秘めている。 最近の研究の波は、ディープラーニング手法を用いて、薬物治療に対するがん反応を予測するという有望な結果を示している。 このレビューは、この分野の現状をよりよく理解し、主要な課題と将来性のあるソリューションパスを特定します。
  論文  参考訳（メタデータ） (2022-11-18T03:26:31Z)
• 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)
• Learning-Based sensitivity analysis and feedback design for drug delivery of mixed therapy of cancer in the presence of high model uncertainties [0.0]
  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。
  論文  参考訳（メタデータ） (2022-05-16T07:08:50Z)
• A Deep Bayesian Bandits Approach for Anticancer Therapy: Exploration via Functional Prior [13.368491963797151]
  機械学習によるパーソナライズされたがん治療は がん患者が生存する可能性を改善する 素晴らしい約束です 近年の機械学習と精度オンコロジーの進歩にもかかわらず、このアプローチは依然として困難である。 本稿では,がん細胞株の文脈情報に基づいて抗がん治療をアルゴリズムが選択する「コンテキスト・バンディット」問題として薬物スクリーニング研究を定式化する。 本稿では,ゲノム的特徴と薬物構造からなるマルチモーダル情報に基づく薬物応答予測のために,薬物応答予測に先行して機能的を利用する新しいディープベイズ・バンディット・フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-05T21:56:14Z)
• Conditional Generation Net for Medication Recommendation [73.09366442098339]
  医薬推奨は、患者の診断に従って適切な薬セットを提供することを目標としており、これは診療所において重要な課題である。 医薬品群を生成するための新しいコピー・アンド・予測機構を導入した条件生成ネット(COGNet)を提案する。 提案手法を公開MIMICデータセット上で検証し,実験結果から,提案手法が最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-14T10:16:41Z)
• The Medkit-Learn(ing) Environment: Medical Decision Modelling through Simulation [81.72197368690031]
  医用シーケンシャルな意思決定に特化して設計された新しいベンチマークスイートを提案する。 Medkit-Learn(ing) Environmentは、高忠実度合成医療データに簡単かつ簡単にアクセスできるPythonパッケージである。
  論文  参考訳（メタデータ） (2021-06-08T10:38:09Z)
• Optimizing Radiotherapy Plans for Cancer Treatment with Tensor Networks [0.0]
  IMRT(Intensity-Modulated Radiation Therapy)技術は、不均一な腫瘍や不均一な腫瘍を治療し、健康な臓器に対する放射線毒性を低下させる。 我々は、線量最適化問題をIsing-like Hamiltonianの基底状態の探索にマッピングし、長距離相互作用量子ビットの系を記述する。 同様のアプローチは、将来のハイブリッド古典量子アルゴリズムにも適用でき、将来の医療における量子技術の利用の道を開くことができる。
  論文  参考訳（メタデータ） (2020-10-19T14:28:21Z)
• 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)

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。