通过双通道知识蒸馏和自适应融合从稀缺数据中预测个性化治疗结果

于红博

摘要: 基于试验数据的个性化治疗结果预测对于小样本和罕见患者群体在精准医学中至关重要。然而，昂贵的试验数据限制了预测性能。为了解决这个问题，我们提出了一个交叉保真度知识蒸馏和自适应融合网络（CFKD-AFN），利用丰富但低保真度的模拟数据来增强在稀缺但高保真度的试验数据上的预测能力。CFKD-AFN包含一个双通道知识蒸馏模块，从低保真度模型中提取互补知识，以及一个注意力引导融合模块，动态整合多源信息。对慢性阻塞性肺疾病治疗结果预测的实验表明，CFKD-AFN在预测准确性方面显著优于最先进的方法，提高了从6.67%到74.55%，并且对变化的高保真度数据集大小具有很强的鲁棒性。此外，我们将CFKD-AFN扩展为一种可解释的变体，使其能够探索潜在的医学语义，以支持临床决策。

更新时间: 2025-10-30 12:50:12

领域: cs.LG,cs.AI

下载: http://arxiv.org/abs/2510.26444v1