論文の概要: Assessing Reusability of Deep Learning-Based Monotherapy Drug Response Prediction Models Trained with Omics Data

• arxiv url: http://arxiv.org/abs/2409.12215v1
• Date: Wed, 18 Sep 2024 16:08:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 15:49:40.213886
• Title: Assessing Reusability of Deep Learning-Based Monotherapy Drug Response Prediction Models Trained with Omics Data
• Title（参考訳）: Omicsデータを用いた深層学習型モノセラピー薬効予測モデルの再利用性評価
• Authors: Jamie C. Overbeek, Alexander Partin, Thomas S. Brettin, Nicholas Chia, Oleksandr Narykov, Priyanka Vasanthakumari, Andreas Wilke, Yitan Zhu, Austin Clyde, Sara Jones, Rohan Gnanaolivu, Yuanhang Liu, Jun Jiang, Chen Wang, Carter Knutson, Andrew McNaughton, Neeraj Kumar, Gayara Demini Fernando, Souparno Ghosh, Cesar Sanchez-Villalobos, Ruibo Zhang, Ranadip Pal, M. Ryan Weil, Rick L. Stevens,
• Abstract要約: がん薬物応答予測モデルは、精度オンコロジーへの有望なアプローチを示す。 深層学習(DL)法はこの分野で大きな可能性を秘めている。 これは、より広い科学コミュニティによって改善され、テストされる、再利用可能で適応可能なモデルの必要性を強調している。
• 参考スコア（独自算出の注目度）: 43.57729817547386
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cancer drug response prediction (DRP) models present a promising approach towards precision oncology, tailoring treatments to individual patient profiles. While deep learning (DL) methods have shown great potential in this area, models that can be successfully translated into clinical practice and shed light on the molecular mechanisms underlying treatment response will likely emerge from collaborative research efforts. This highlights the need for reusable and adaptable models that can be improved and tested by the wider scientific community. In this study, we present a scoring system for assessing the reusability of prediction DRP models, and apply it to 17 peer-reviewed DL-based DRP models. As part of the IMPROVE (Innovative Methodologies and New Data for Predictive Oncology Model Evaluation) project, which aims to develop methods for systematic evaluation and comparison DL models across scientific domains, we analyzed these 17 DRP models focusing on three key categories: software environment, code modularity, and data availability and preprocessing. While not the primary focus, we also attempted to reproduce key performance metrics to verify model behavior and adaptability. Our assessment of 17 DRP models reveals both strengths and shortcomings in model reusability. To promote rigorous practices and open-source sharing, we offer recommendations for developing and sharing prediction models. Following these recommendations can address many of the issues identified in this study, improving model reusability without adding significant burdens on researchers. This work offers the first comprehensive assessment of reusability and reproducibility across diverse DRP models, providing insights into current model sharing practices and promoting standards within the DRP and broader AI-enabled scientific research community.
• Abstract（参考訳）: がん薬物反応予測(DRP)モデルでは、個々の患者プロファイルに適切な治療を施した精度オンコロジーへの有望なアプローチが提示される。 深層学習(DL)法はこの分野で大きな可能性を示しているが、臨床実践にうまく翻訳され、治療反応の基礎となる分子機構に光を当てることができるモデルは、共同研究の成果から生まれる可能性が高い。 これは、より広い科学コミュニティによって改善され、テストされる、再利用可能で適応可能なモデルの必要性を強調している。 本研究では,予測DRPモデルの再利用性を評価するためのスコアリングシステムを提案し,それを17のピアレビューDLベースDRPモデルに適用する。 科学領域にわたるDLモデルを体系的に評価・比較する手法の開発を目的としたIMPROVE(Innovative Methodologies and New Data for Predictive Oncology Model Evaluation)プロジェクトの一環として,ソフトウェア環境,コードのモジュール化,データ可用性と前処理の3つの主要なカテゴリに着目した17のDRPモデルを解析した。 主な焦点ではないが、モデルの振る舞いと適応性を検証するために重要なパフォーマンスメトリクスを再現しようとした。 17のDRPモデルに対する評価は、モデル再利用性における長所と短所の両方を明らかにしている。 厳格な実践とオープンソース共有を促進するため,予測モデルの開発と共有を推奨する。 これらの勧告に従えば、この研究で特定された多くの問題に対処でき、研究者に多大な負担を加えることなく、モデル再利用性を向上させることができる。 この研究は、様々なDRPモデルにまたがる再利用可能性と再現性に関する初の総合的な評価を提供し、現在のモデル共有プラクティスに関する洞察を提供し、DRPとより広範なAI対応科学研究コミュニティ内の標準を促進する。

関連論文リスト

• A Multilateral Attention-enhanced Deep Neural Network for Disease Outbreak Forecasting: A Case Study on COVID-19 [0.6874745415692134]
  本稿では,感染症予測の課題に対処する新しいアプローチを提案する。 本稿では,複数の情報源からの情報を活用するマルチラテラルアテンション強化型GRUモデルを提案する。 GRUフレームワークに注意機構を組み込むことで、我々のモデルはデータ内の複雑な関係や時間的依存を効果的に捉えることができる。
  論文  参考訳（メタデータ） (2024-08-26T06:31:53Z)
• Addressing Data Heterogeneity in Federated Learning of Cox Proportional Hazards Models [8.798959872821962]
  本稿では,フェデレーションサバイバル分析の分野,特にCox Proportional Hazards(CoxPH)モデルについて概説する。 本稿では,合成データセットと実世界のアプリケーション間のモデル精度を向上させるために,特徴ベースのクラスタリングを用いたFLアプローチを提案する。
  論文  参考訳（メタデータ） (2024-07-20T18:34:20Z)
• Learning epidemic trajectories through Kernel Operator Learning: from modelling to optimal control [0.0]
  感染拡大に伴う人口動態を再構築するためのカーネル・オペレーター・ラーニング(KOL)の有効性について検討する。 特にKOL-mとKOL-$partial$という2つの代理モデルを導入する。 提案手法は, 高速かつロバストな予測とシナリオ分析を実現するのにいかに適しているかを示す。
  論文  参考訳（メタデータ） (2024-04-17T07:21:17Z)
• Recent Advances in Predictive Modeling with Electronic Health Records [71.19967863320647]
  EHRデータを予測モデリングに利用すると、その特徴からいくつかの課題が生じる。 深層学習は、医療を含む様々な応用においてその優位性を示している。
  論文  参考訳（メタデータ） (2024-02-02T00:31:01Z)
• MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data Augmentation [58.93221876843639]
  本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。 トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。 ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
  論文  参考訳（メタデータ） (2023-10-04T01:36:30Z)
• DeepAD: A Robust Deep Learning Model of Alzheimer's Disease Progression for Real-World Clinical Applications [0.9999629695552196]
  本稿では,アルツハイマー病の進行を予測するための新しいマルチタスク深層学習モデルを提案する。 本モデルでは,3次元畳み込みニューラルネットワークの高次元MRI特徴を他のデータモダリティと統合する。
  論文  参考訳（メタデータ） (2022-03-17T05:42:00Z)
• A comparison of approaches to improve worst-case predictive model performance over patient subpopulations [14.175321968797252]
  患者において平均的に正確な臨床結果の予測モデルは、いくつかのサブ集団に対して劇的に過小評価される可能性がある。 サブポピュレーションに対する解離および最悪の性能を一貫して改善するモデル開発と選択のアプローチを同定する。 本研究は, 比較的少数の例外を除いて, 標準学習法よりも, 患者サブポピュレーションに対するアプローチが優れていることが確認された。
  論文  参考訳（メタデータ） (2021-08-27T13:10:00Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)
• On the model-based stochastic value gradient for continuous reinforcement learning [50.085645237597056]
  モデルベースエージェントは,サンプル効率と最終報酬の両方の観点から,最先端のモデルフリーエージェントより優れていることを示す。 以上の結果から,モデルに基づく政策評価がより注目に値することが示唆された。
  論文  参考訳（メタデータ） (2020-08-28T17:58:29Z)

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。