Klinik uygulamalarda kişiselleştirilmiş kanser modellemesi, özellikle hasta verilerinin kısıtlı olduğu durumlarda sağlam ve verimli parametre kalibrasyonu gerektiriyor. Bu ihtiyaç, hastanın boylamsal ölçümleriyle sürekli güncellenen sanal hastalık temsilcileri olan medikal dijital ikizler (MDT) için kritik öneme sahip.
Yeni geliştirilen parametre kişiselleştirme çerçevesi, dinamik kanser modelleri için seçilen parametreleri iki ana bileşene ayırıyor: tüm hastalar arasında paylaşılan ortak bileşen ve hastaya özgü kişisel bileşen. Bu yaklaşım, veri kıtlığı durumunda bile etkili sonuçlar vermeyi hedefliyor.
Ortak bileşen, popülasyon düzeyindeki yapısal özellikleri yakalayarak bir kez hesaplanıyor ve bilgilendirilmiş bir önsel bilgi sağlıyor. Bu sayede hızlı ve doğru kişiselleştirme mümkün hale geliyor. Kişisel bileşen ise yeni veriler elde edildikçe güncellenebiliyor, böylece modelin dinamik doğasını koruyor.
Araştırmacılar, bu çerçevenin etkinliğini lojistik büyüme gibi kanonik dinamik sistemlerden üretilen sentetik veriler kullanarak test etti. Yöntem, sınırlı veri koşullarında bile güvenilir sonuçlar verdi ve kişiselleştirilmiş kanser tedavisi alanında önemli bir ilerleme kaydetti.