應用半監督生成對抗網絡預測臨床試驗中嚴重不良事件

作者：Yong Cai

摘要：大數據時代帶來豐富數據的機遇,同時又帶來如何能有效利用這些數據的挑戰。在很多細分化的醫療領域,如臨床實驗、癌癥和罕見病診斷等,目標數據會變得相對稀少或缺失大量特征值。這使得建模變得非常困難。同時在醫療領域,計算機科學和存儲技術的發展又能觀測到大量的未標識的相關數據。這些數據樣本雖然豐富,很難與目標數據直接結合起來。使用最新的半監督生成對抗網絡模型可在少量標識樣本情況下,使用大量未標識數據達到幫助訓練和提高預測準確度。由于半監督生成對抗網絡難以訓練,可通過加入特殊損失項來提升模型訓練技巧。在預測藥物臨床嚴重不良事件真實世界案例中,半監督生成對抗網絡通過讀取未標識樣本的額外信息和生成大量的虛擬樣本,達到了幫助模型訓練的目的。和基準模型相比,半監督生成對抗網絡取得了相對最好的預測精準度。相同的模型構架還可以拓展到其他相類似的小標識樣本但存在大量相關數據的案例中。

發文機構：美國昆泰跨國公司不良反應分析部

關鍵詞：半監督生成對抗網絡臨床試驗嚴重不良事件預測Semi-supervised Generating Countermeasure NetworkClinical trialSerious adverse eventsForecast

分類號： R95[醫藥衛生—藥學]