GiG: Apprendimento Profondo su Grafi di Conoscenza per Dati Clinici

I ricercatori introducono Graph-in-Graph (GiG), un framework di deep learning che utilizza grafi di conoscenza per migliorare le previsioni cliniche a partire da dati limitati dei pazienti. GiG rappresenta ogni paziente come un grafo modulare in cui le conoscenze biologiche curate definiscono i bordi e le misurazioni specifiche del paziente definiscono le caratteristiche dei nodi. Ciò preserva le interazioni gene-gene e integra molteplici fonti di conoscenza. L'approccio affronta il limite dei modelli AI tradizionali che comprimono la conoscenza biologica codificata in grafi in rappresentazioni a bassa dimensionalità, perdendo struttura e prestazioni in studi con campioni ridotti. GiG è progettato per l'analisi clinica efficiente in termini di dati, sfruttando la conoscenza strutturata delle interazioni molecolari.