Deep Learning Neural Network-Exponential Family Mixture Model on Subgroup Analysis
I will introduce a novel statistical model that focuses on biomarker-defined treatment subgroup identification, the proposed model is a semi-parametric model that combines a deep neural network (DNN) and a generalized linear model. The gradient descent algorithm was used to estimate the regression coefficients and the weight matrix in each layer of the DNN. The asymptotic distribution of the estimated coefficients was developed through modern empirical process methods. A simulation study showed that the proposed model provides accurate 95\% confidence interval and variance estimation on the coefficients. An application study on AIDS Clinical Trials Group 320 using the proposed model also illustrated the useful information gained in revealing some interesting patterns of AIDS patients who may react more favorably to treatment based on the values of the biomarkers.
Réseau de neurones en apprentissage profond - Modèle de mélange de famille exponentielle pour l'analyse de sous-groupes
Je vais présenter un nouveau modèle statistique axé sur l'identification de sous-groupes de traitement définis par des biomarqueurs. Le modèle proposé est un modèle semi-paramétrique combinant un réseau de neurones profond (DNN) et un modèle linéaire généralisé. L’algorithme de descente de gradient a été utilisé pour estimer les coefficients de régression et la matrice de poids à chaque couche du DNN. La distribution asymptotique des coefficients estimés a été développée à l'aide de méthodes modernes de processus empiriques. Une étude de simulation a montré que le modèle proposé fournit des intervalles de confiance à 95 % précis ainsi qu’une estimation fiable de la variance des coefficients. Une étude d'application sur l'essai clinique AIDS Clinical Trials Group 320 a également illustré les informations précieuses obtenues, révélant des schémas intéressants chez les patients atteints du SIDA qui pourraient mieux réagir au traitement en fonction des valeurs de leurs biomarqueurs.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais