Probabilistic Temporal Prediction of Continuous Disease Trajectories and Treatment Effects Using Neural SDEs

要約

将来の個別化された臨床疾患の進行や治療反応の予測を含む、医療画像に基づく個別化医療は、特に長期的、複雑かつ不均一な進化を伴う疾患（多発性硬化症（MS）など）の医療および医薬品開発に多大な影響を与えるだろう。
治す。
この研究では、神経確率微分方程式 (NSDE) を介して疾患進行の連続的な時間的進化をモデル化するための最初の確率的因果的時間フレームワークを提示します。
提案された因果推論モデルは、患者の高次元画像 (MRI) と表形式のデータを入力として受け取り、潜在空間内のさまざまな治療における事実と反事実の両方の進行軌跡を予測します。
NSDE を使用すると、信頼性の高い個人化された軌跡と治療効果を推定できます。
患者の 3D MRI と、MS 治療のためのいくつかのランダム化臨床試験中に取得された臨床データの大規模な多施設独自のデータセットに対して、広範な実験が行われました。
私たちの結果は、(a) ベースライン MRI を活用して、将来の患者の MS 障害の進行 (例: EDSS) と治療効果を正確に予測し、(b) 患者のサブグループの発見を可能にする、初めて成功した不確実性ベースの因果深層学習 (DL) モデルを示しています。
このモデルでは、臨床試験で臨床エンドポイントに達しなかった場合でも、治療に対する反応に高い信頼性を持っています。

要約(オリジナル)

Personalized medicine based on medical images, including predicting future individualized clinical disease progression and treatment response, would have an enormous impact on healthcare and drug development, particularly for diseases (e.g. multiple sclerosis (MS)) with long term, complex, heterogeneous evolutions and no cure. In this work, we present the first stochastic causal temporal framework to model the continuous temporal evolution of disease progression via Neural Stochastic Differential Equations (NSDE). The proposed causal inference model takes as input the patient’s high dimensional images (MRI) and tabular data, and predicts both factual and counterfactual progression trajectories on different treatments in latent space. The NSDE permits the estimation of high-confidence personalized trajectories and treatment effects. Extensive experiments were performed on a large, multi-centre, proprietary dataset of patient 3D MRI and clinical data acquired during several randomized clinical trials for MS treatments. Our results present the first successful uncertainty-based causal Deep Learning (DL) model to: (a) accurately predict future patient MS disability evolution (e.g. EDSS) and treatment effects leveraging baseline MRI, and (b) permit the discovery of subgroups of patients for which the model has high confidence in their response to treatment even in clinical trials which did not reach their clinical endpoints.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google