Zhuyifan Ye;....;Defang Ouyang(2021.5, Food Frontiers)[Interpretable machine learning methods for in vitro pharmaceutical formulation development]
理由
機械学習の勉強
概要
背景
機械学習は製剤処方開発の代替法になってきた。しかしながら、製剤学における多くの機械学習応用はモデルの解釈性ではなくモデルの評価ばかり注目している。
目的
本研究の目的は製剤処方開発の注意機構に基づく深層ニューラルネットワーク(DNN)を提案することである。
方法
注意機構に基づくDNNであるAttPharmを提案する。AttPharmは表現学習によって特徴値と特徴の物理的意味を別々に扱い、製剤の表データを注意機構うにうまく適用した。さらに、AttPharmを用いて注意の重みの分布を計算した。局所的に解釈可能なモデル非依存的な説明(LIME)とTreeSHAPの2つの事後解析を用いて、lightGBMの事後モデル解釈性を得た。
結果
結果から、注意機構は関連特徴を抽出し小さな違いを見つけることができるので、AttPharmは薬のシクロデキストリンデータセットの単純なニューラルネットワークのモデル評価を大きく改善した。特に、注意の重みを解析し、全体と局所の特徴レベルとサンプルレベルモデル解釈性を説明し、処方設計の考えを与える。事後解析法と比べて、AttPharmは解釈性の正しさの懸念なく利用できる。
結論
これは製剤処方開発に注意機構に基づくDNNを適用した最初の段階である。モデルの解釈の重要性を考慮すると、提案された手法は製剤学に置いて幅広い応用を持つ可能性がある。
雑記
健康食品分野でも処方開発っていうらしい。
