gerstung-lab/Delphi

何を解決するか

Delphi は、患者の医療歴に基づいて、疾患の進行状況と将来の健康イベントのタイミングを予測するという「自然史」のモデリングという課題に対処します。

動作方法

このプロジェクトは、nanoGPT をベースにした修正された GPT-2 アーキテクチャを使用し、患者の健康経路をシーケンスとして扱います。UK Biobank から得られた 400,000 件の患者経路データで訓練され、将来の疾患イベントとそのタイミングを予測する能力を学習しました。システムには、予測精度の評価ツール、UMAP を用いた疾患埋め込みの潜在空間分析、SHAP 値を用いた特定の将来予測に最も強く影響する過去の健康イベントの特定といったツールが含まれています。

対象ユーザー

疫学的モデリング、疾患進行、および健康データ分析における生成型トランスフォーマーの利用に関心を持つ医療研究者やバイオインフォマティシャン。

特徴

• 生成型トランスフォーマー手法：GPT-2 風のモデルを用いて、疾患の競合リスクと発症タイミングを予測。
• 解釈可能性ツール：SHAP 分析用のノートブックと、疾患埋め込みの可視化に用いる UMAP を含む。
• UK Biobank 統合：大規模な現実世界の健康データを処理するための特定のガイドとスクリプトを提供。
• 合成データ生成：テストや研究用に統計的に類似した合成患者経路を生成可能。