arXiv cs.AI· Benjamin Maurel, Agathe Guilloux, Sarah Zohar, Moreno Ursino, Jean-Baptiste Woillard·· 1 天前AI 评分31
用结构化神经 ODE 学习药代动力学动态，实现精准给药
Learning pharmacokinetic dynamics with structured neural ODEs for precision dosing
AI 导读
研究者开发了两种无需预设药代动力学方程、直接从数据学习药代动力学动态的神经模型：第一种可预测剂量调整后的药物暴露，第二种还支持给药方案变化，且在模拟中对新给药方案的暴露预测比同类神经模型更准确。在肾移植受者他克莫司真实数据上，两模型预测后续随访暴露的误差均低于贝叶斯估计。
正文 · AI 翻译
摘要：个体化给药需要预测患者在不同剂量或给药方案下药物暴露量将如何变化。然而，一个能准确预测当前剂量下暴露量的模型，未必能可靠预测治疗方案改变后的情况。我们开发了两种神经模型，它们无需预定义的药代动力学方程即可从数据中学习药代动力学动态。第一种模型预测剂量改变后的暴露量，第二种模型还允许给药方案发生变化。在模拟中，第二种模型在新给药方案下预测暴露量的准确性优于其他竞争性神经模型。在接受他克莫司治疗的肾移植受者真实数据上，两种模型在预测后续访视时的暴露量方面，其预测误差均低于贝叶斯估计。这些发现表明，将药代动力学原理融入神经模型可以改善个体化给药所需的预测。
| 主题： | 机器学习（stat.ML）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2602.03215 [stat.ML] |
| （或 arXiv:2602.03215v2 [stat.ML] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2602.03215 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Benjamin Maurel [查看电子邮件]
[v1]
2026年2月3日星期二 07:30:48 UTC（6,994 KB）
[v2]
2026年11月12日星期四 10:43:40 UTC（1,414 KB）
来源：arXiv cs.AI · arxiv.org