事前適合型ファンクショナルフロー：薬物動態におけるインコンテキスト生成モデル

arXiv stat.ML / 2026/4/21

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

この論文では、薬物動態（PK）向けの生成基盤モデル「Prior-Fitted Functional Flows」を提案し、母集団合成や個別予測などの課題を扱います。
本手法は、研究全体の母集団にまたがる疎で不規則なデータに明示的に条件付けして、機能的ベクトル場を学習することで、手動でのパラメータ調整なしにゼロショット利用を可能にします。
「バーチャルなコホート」を一貫性のある形で生成し、部分的に観測された患者の軌跡を、不確実性をキャリブレーションしたうえで予測できる点が特徴です。
著者らはモデルの事前分布（prior）を作るための新しいオープンアクセスの文献コーパスを構築し、大規模な実データで最先端の予測精度を示しています。

アブストラクト: 我々は薬物動態（pharmacokinetics）向けの生成的基盤モデルであるPrior-Fitted Functional Flows（事前適合型関数フロー）を提案する。これにより、手動のパラメータ調整を行わずにゼロショットの集団合成と個別の予測が可能になる。全研究集団にわたる疎で不規則なデータに対して明示的に条件付けしつつ、関数ベクトル場を学習する。これにより、整合性のある仮想コホートの生成だけでなく、キャリブレーションされた不確実性とともに部分的に観測された患者の時系列軌跡を予測することができる。さらに、我々は事前分布（priors）を導くための新しいオープンアクセス文献コーパスを構築し、大規模な実世界データセットにおいて最先端の予測精度を実証する。