本研究では、物理学に基づく汎用ニューラルネットワーク(UPINN)を用いて、化学療法薬の作用を同定する手法を提案した。
まず、合成データを用いて、3種類の薬物作用(Log-Kill、Norton-Simon、Emax)を高精度で同定できることを示した。等間隔のデータと動的に間隔を調整したデータの両方で、薬物作用の予測誤差は10^-4のオーダーであった。さらに、ノイズが加わった場合でも、同様の精度を維持できることを確認した。
次に、用量依存的なロジスティック成長パラメータ(増殖率kp、キャリング容量θ)を同時に同定し、未観測の用量での補間も行えることを示した。合成データを用いた実験では、パラメータの予測誤差は10^-3~10^-8のオーダーであり、モデルの予測精度も高かった。
最後に、実験データとしてドキソルビシンの in vitro データを用いて、時間依存的な正味の増殖率を同定した。合成データを用いた事前検証の結果、この手法は時間依存的な正味の増殖率を高精度で同定できることが分かった。実験データでも、同様の結果が得られた。
以上より、UPINNを用いることで、化学療法薬の作用を高精度に同定できることが示された。この手法は、薬物動態・薬力学モデリングの自動化や、薬物スケジューリングの最適化などに役立つと考えられる。
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Lena Podina,... om arxiv.org 04-15-2024
https://arxiv.org/pdf/2404.08019.pdfDiepere vragen