[论文解读] 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 0

一句话总结

该论文提出非线性规划方法，结合 TSH 和 FT4 数据动态生成下丘脑-垂体（HP）曲线，改进甲状腺功能减退症患者的设定点确定，超越仅靠 TSH 的方法。它将基于 NLPS 的 HP 曲线生成与现有方法进行比较，并展示对噪声和离群值的鲁棒性。

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.

研究动机与目标

• 通过 FT4 与 TSH 的结合来证明可改善甲状腺功能减退治疗。
• 开发方法，使用非线性规划从患者数据动态生成 HP 曲线。
• 以灵活性（包括 n1）估计 HPT 轴模型参数，以提高曲线准确性。
• 提出基于图形的设定点确定方法，并将 NLPS 基于的方法与现有方法进行比较。
• 在文献数据和新患者数据上验证所提出的方法。

提出的方法

• 用一组微分方程建模 HPT 轴，将 TSH 与 FT4 联系起来。
• 使用非线性优化估计关键参数 ka、k2、k5，以及可选的 n1。
• 在 MATLAB fmincon 中采用三种目标函数（RMSE、SAE、Huber 损失）拟合曲线。
• 引入基于 HP 曲线曲率的图形设定点确定方法。
• 将 NLPS 基于的曲线生成与 Goede et al. (2014) 方法及改进的 NLSM 进行比较。
• 为健康和甲状腺功能减退个体生成 HP 曲线，并在数据集中进行验证。

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

实验结果

研究问题

• RQ1 NLPS 基于方法能否生成与临床观察到的 TSH-FT4 关系一致的 HP 曲线？
• RQ2 估计指数 n1 是否比固定 n1=4 提高 HP 曲线的准确性？
• RQ3 与 Goede 等人方法相比，NLPS 基于方法在拟合和对离群值鲁棒性方面有何差异？
• RQ4 是否可利用 HP 曲线及其设定点来指导个体化的甲状腺替代剂量？

主要发现

• NLPS 结合 Huber 损失在拟合效果和对噪声鲁棒性方面始终优于或与其他目标函数相当。
• 估计 n1 提高了设定点的准确性以及 HB-曲线与基准 Goede et al. 曲线在大多数患者中的对齐。
• NLPS 基于的 HP 曲线在若干患者的参考范围内提供了有意义的设定点，而其他方法则无法实现。
• NLPS 方法考虑了所有可用数据，相对于传统最小二乘法降低了对离群值的敏感性。
• 从患者数据生成的 HP 曲线呈现 TSH 与 FT4 的预期负相关，且设定点清晰可辨。
• 基于图形的设定点确定方法在 HP 曲线的最大曲率处识别出等甲状腺功能（ euthyroid ）设定点，用于定向给药。

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