[論文レビュー] Using Non-Linear Programming Solvers to Generate Hypothalamus-Pituitary Curves for Patients With Hypothyroidism

Robert Petersen, Vittal Srinivasan+2 more|arXiv (Cornell University)|Jan 12, 2026

Advanced Optimization Algorithms Research被引用数 0

ひとこと要約

要約は英語の原文をそのまま日本語に訳すことなく、翻訳のみを行います。

ABSTRACT

Common practice in treating primary hypothyroidism is to use only Thyrothropin (TSH) to adjust the dose of thyroid replacement. In this paper, it is argued that using both TSH and free Thyroxine (FT4) values in the replacement may be beneficial in the treatment of hypothyroidism. The tool to determine the optimal value of TSH and FT4 is the Hypothalamus-Pituitary (HP) curve. These curves are models of thyroid hormone concentrations that can be used to determine patient-specific treatment strategies for individuals with hypothyroidism. By generating an HP curve for an individual with hypothyroidism, a set point is determined that represents the optimal levels of thyroid hormones in the blood. A graphical method for set point determination is proposed. A physician can then prescribe a thyroid replacement strategy to achieve this set point. In this paper, two methods for generating HP curves are proposed using non-linear programming solvers and compared with the existing methods. The proposed methods are tested using datasets from the literature, as well as measurements of patients being treated for hypothyroidism.

研究の動機と目的

• FT4をTSHと組み合わせることで甲状腺機能低下症の治療が改善できると主張する。
• 非線形計画法を用いて患者データからHP曲線を動的に生成する方法を開発する。
• 曲線の精度を向上させるために柔軟性を持つHPT軸モデルパラメータを推定する（n1を含む）。
• グラフィカルなセットポイント決定法を提案し、NLPSベースの手法を既存アプローチと比較する。
• 提案手法を文献データと新規患者データで検証する。

提案手法

• TSHとFT4を結ぶ微分方程式のセットでHPT軸をモデル化する。
• ka, k2, k5、およびオプションとしてn1を非線形最適化で推定する。
• 三つの目的関数（RMSE, SAE, Hubber loss）をMATLAB fmincon内で用い、曲線を適合させる。
• HP曲線の曲率に基づくグラフィカルなセットポイント決定法を導入する。
• NLPSベースの曲線生成をGoede et al. (2014)法および改良されたNLSMと比較する。
• 健康な個体と甲状腺機能低下症の個体のHP曲線を生成し、データセットに対して検証する。

Figure 1: Different possible HP curves generated with ( 3 ) using the same data set.

実験結果

リサーチクエスチョン

• RQ1 NLPSベースの方法で臨床的に観察されるTSH-FT4関係と一致するHP曲線を生成できるか。
• RQ2 n1を推定することでHP曲線の精度がn1=4固定と比較して改善されるか。
• RQ3 Goede et al.アプローチと比べて適合性と外れ値に対する頑健性はNLPS法でどう変わるか。
• RQ4 HP曲線とそのセットポイントを用いて個別患者の甲状腺置換 dosingをガイドできるか。

主な発見

• Huber lossを用いたNLPSは他の目的関数よりも一貫して良好または同等の適合性とノイズに対する頑健性を示した。
• n1を推定することはセットポイントの精度とGoede et al.曲線との整合性をほとんどの患者で改善した。
• NLPSベースのHP曲線は他の手法が不適合な複数の患者に対して有意義なセットポイントを提供した。
• NLPS法はすべての利用可能データを考慮し、従来の最小二乗法と比較して外れ値への感度を低減した。
• 患者データから生成されたHP曲線はTSHとFT4の負の相関を反映し、明確に特定可能なセットポイントを持つ。
• グラフィカルなセットポイント決定はHP曲線の最大曲率点を標的薬 dosing の甲状腺機能正常域のセットポイントとして特定する。

Figure 2: Illustration of the graphical method of determining setpoint. In fig. 2 (a), we select a random set of equally spaced points (red dots) on the HP curve. In fig. 2 (b), we choose two neighbors to each point and draw tangents of the neighbor points on the curve. In 2 (c), the normals are con