Die Studie untersucht den Einsatz von Universellen Physik-Informierten Neuronalen Netzwerken (UPINNs) zur Identifizierung der Wirkung von Chemotherapeutika.
Zunächst wird die Methode auf synthetische Daten angewendet, bei denen die Wirkung des Medikaments durch verschiedene mathematische Modelle (Log-Kill, Norton-Simon, Emax) beschrieben wird. Die Studie zeigt, dass die UPINN-Methode in der Lage ist, diese verborgenen Komponenten mit hoher Genauigkeit zu identifizieren, selbst bei verrauschten Daten.
Darüber hinaus wird die Methode verwendet, um dosisabhängige Parameter eines logistischen Wachstumsmodells zu lernen und zwischen beobachteten Dosierungen zu interpolieren. Auch hier zeigt sich eine hohe Genauigkeit.
Schließlich wird die UPINN-Methode auf experimentelle in-vitro-Daten zur Wirkung von Doxorubicin angewendet. Hier kann die zeitabhängige Nettoproliferationsrate erfolgreich identifiziert werden.
Insgesamt demonstriert die Studie, dass die UPINN-Methode ein leistungsfähiges Werkzeug ist, um die Wirkung von Chemotherapeutika aus Daten zu lernen, ohne auf vereinfachende Annahmen angewiesen zu sein.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問