用于联合纵向和时间到事件建模的多模态经验贝叶斯 VAE

作者将经验贝叶斯变分自编码器 (EB-VAE) framework 扩展到联合建模纵向肿瘤测量值和直到事件的数据。该方法使用协变量条件先验来表示个体间变异性，并通过增加风险模型来解码器以解释信息性脱落。

• 混合半机制解码器恢复了与非线性混合效应估计一致的疗效参数，同时保持了神经性能。
• 遗传条件改善了皮肤黑色素瘤和乳腺癌实验中的个体水平先验预测。
• 稳定性选择确定了生物学上合理的遗传指标，包括 BRAF、NRAS、NF1 和 MDM2 的改变。

这项工作表明 EB-VAE 为在药代动力学应用中结合神经动力学、机制结构和高维协变量提供了灵活的概率 framework。