Generating Personalized Insulin Treatments Strategies with Deep Conditional Generative Time Series Models

要約

私たちは、個別化された治療戦略を生成するための、深い生成時系列モデルと意思決定理論を組み合わせた新しいフレームワークを提案します。
これは、過去の患者の軌跡データを活用して、詳細な生成時系列モデルを通じて、現実的な個別化治療の生成と将来の結果の軌跡を共同で学習します。
特に、私たちのフレームワークは、個別化された患者の病歴に合わせて調整された新しい多変量治療戦略の生成を可能にし、条件付きの期待される有用性の最大化に基づいて、最適な期待される将来の結果に向けて訓練されます。
入院中の糖尿病患者に対して個別化されたインスリン治療戦略と血糖予測を生成することでフレームワークを実証し、改善された個別化された治療戦略を生成するための私たちのアプローチの可能性を示します。
キーワード: 深層生成モデル、確率的意思決定サポート、個別化された治療生成、インスリンと血糖の予測

要約(オリジナル)

We propose a novel framework that combines deep generative time series models with decision theory for generating personalized treatment strategies. It leverages historical patient trajectory data to jointly learn the generation of realistic personalized treatment and future outcome trajectories through deep generative time series models. In particular, our framework enables the generation of novel multivariate treatment strategies tailored to the personalized patient history and trained for optimal expected future outcomes based on conditional expected utility maximization. We demonstrate our framework by generating personalized insulin treatment strategies and blood glucose predictions for hospitalized diabetes patients, showcasing the potential of our approach for generating improved personalized treatment strategies. Keywords: deep generative model, probabilistic decision support, personalized treatment generation, insulin and blood glucose prediction

arxiv情報

提供元, 利用サービス

arxiv.jp, Google