A graph neural network-based model with Out-of-Distribution Robustness for enhancing Antiretroviral Therapy Outcome Prediction for HIV-1

要約

HIV-1 に対する抗レトロウイルス療法の結果を予測することは、特に有効性データが限られた薬剤が治療計画に含まれている場合、差し迫った臨床課題です。
このデータの不足は、新薬の市場への導入、または臨床現場での使用が限定されているために発生する可能性があります。
この問題に取り組むために、完全接続 (FC) ニューラル ネットワークとグラフ ニューラル ネットワーク (GNN) の機能を組み合わせた新しいジョイント フュージョン モデルを導入します。
FC ネットワークは、最新の遺伝子型耐性検査で特定されたウイルスの変異と、治療に使用される薬剤で構成される特徴ベクトルを含む表形式のデータを使用します。
逆に、GNN は、ウイルス遺伝子配列に基づいて in vivo 治療効果を推定するためのベンチマーク参照として機能する、スタンフォード薬剤耐性突然変異表から得られた知識を活用して、有益なグラフを構築します。
私たちは、そのようなシナリオを処理する際の GNN の役割に特に焦点を当てて、テスト セット内の流通外の医薬品に対するこれらのモデルの堅牢性を評価しました。
私たちの包括的な分析は、特に流通外の医薬品を考慮した場合、提案されたモデルが一貫して FC モデルよりも優れていることを示しています。
これらの結果は、モデルにスタンフォード スコアを統合することの利点を強調しており、それによってモデルの一般化性と堅牢性が向上するだけでなく、利用可能なデータが限られている現実世界のアプリケーションでの有用性も拡張されます。
この研究は、抗レトロウイルス療法の結果予測に情報を提供し、より多くの情報に基づいた臨床決定に貢献するための私たちのアプローチの可能性を強調しています。

要約(オリジナル)

Predicting the outcome of antiretroviral therapies for HIV-1 is a pressing clinical challenge, especially when the treatment regimen includes drugs for which limited effectiveness data is available. This scarcity of data can arise either due to the introduction of a new drug to the market or due to limited use in clinical settings. To tackle this issue, we introduce a novel joint fusion model, which combines features from a Fully Connected (FC) Neural Network and a Graph Neural Network (GNN). The FC network employs tabular data with a feature vector made up of viral mutations identified in the most recent genotypic resistance test, along with the drugs used in therapy. Conversely, the GNN leverages knowledge derived from Stanford drug-resistance mutation tables, which serve as benchmark references for deducing in-vivo treatment efficacy based on the viral genetic sequence, to build informative graphs. We evaluated these models’ robustness against Out-of-Distribution drugs in the test set, with a specific focus on the GNN’s role in handling such scenarios. Our comprehensive analysis demonstrates that the proposed model consistently outperforms the FC model, especially when considering Out-of-Distribution drugs. These results underscore the advantage of integrating Stanford scores in the model, thereby enhancing its generalizability and robustness, but also extending its utility in real-world applications with limited data availability. This research highlights the potential of our approach to inform antiretroviral therapy outcome prediction and contribute to more informed clinical decisions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google