लेखकों ने एम्पिरिकल बेयस वेरिएशनल ऑटोएन्कोडर (EB-VAE) framework को संयुक्त रूप से लॉन्गिट्यूडिनल ट्यूमर माप और इवेंट तक समय डेटा का मॉडल बनाने के लिए विस्तारित किया। दृष्टिकोण अंतर-व्यक्तिगत परिवर्तनशीलता को दर्शाने के लिए एक सहचर-शर्त पूर्व का उपयोग करता है और सूचनात्मक ड्रॉपआउट को ध्यान में रखने के लिए डिकोडर को एक हज़र्ड मॉडल से बढ़ावा देता है।
- हाइब्रिड अर्ध-यांत्रिक डिकोडर्स ने नॉनलाइनियर मिक्स्ड-इफेक्ट्स अनुमानों के साथ संगत चिकित्सा-प्रभाव पैरामीटर को पुनः प्राप्त किया, जबकि तंत्रिका प्रदर्शन बनाए रखी।
- आनुवंशिक शर्त ने त्वचा मेलानोमा और स्तन कैंसर प्रयोगों में व्यक्ति-स्तर पूर्व भविष्यवाणियों में सुधार किया।
- स्थिरता चयन ने जैविक रूप से युक्तिसंगत आनुवंशिक संकेतकों की पहचान की, जिसमें BRAF, NRAS, NF1, और MDM2 में परिवर्तन शामिल हैं।
यह कार्य दिखाता है कि EB-VAE फार्माकोमेट्रिक अनुप्रयोगों में तंत्रिक गतिशीलता, यांत्रिक संरचना, और उच्च-आयामी सहचरों को जोड़ने के लिए एक लचीला प्रायिकता framework प्रदान करता है।