再帰ニューラルネットワークエンコーダーと多項階層回帰デコーダーを用いた転移性乳がんにおける治療決定の予測モデリング

新しい健康関連データソース（例：分子分析、健康アプリ、電子健康記録）の利用可能性が高まることで、医師が圧倒される可能性があり、コミュニティは臨床決定を支援するための分析アプローチを検討しています。特に、ディープラーニングの最新の発展の成功は、機械学習モデルが高次元かつ連続的なデータを扱い、実際に利益を得ることができることを示しています。本研究では、医師の治療決定をモデル化するためのエンコーダ－デコーダネットワークアプローチを提案します。我々のアプローチは、推奨された決定をサポートするために、医師に類似の歴史的患者ケースのリストも提供します。再帰ニューラルネットワークエンコーダーと多項階層回帰デコーダーを組み合わせることによって、臨床データモデリングにおける2つの一般的な課題に特に取り組みます。第一に、可変長のエピソードデータを扱う問題、第二に階層的な決定手続きを表現する必要性です。転移性乳がん患者数千人から収集した大規模な実世界データセットで実験を行い、我々のモデルがより伝統的なアプローチを上回っていることを示します。