Tillämpningar av känslighetsanalys för modellkalibrering

Känslighetsanalys har viktiga tillämpningar vid modellkalibrering .

En tillämpning av känslighetsanalys tar upp frågan om "Vad är viktigt för modell- eller systemutveckling?" Man kan söka identifiera viktiga samband mellan observationer, modellingångar och förutsägelser eller prognoser. Det vill säga man kan försöka förstå vilka observationer (mätningar av beroende variabler) som är mest och minst viktiga för att modellera indata (parametrar som representerar systemegenskaper eller excitation), vilka modellingångar som är mest och minst viktiga för förutsägelser eller prognoser, och vilka observationer som är mest och minst viktigt för förutsägelserna och prognoserna. Ofta är resultaten överraskande, leder till att man hittar problem i data- eller modellutvecklingen och åtgärdar problemen. Detta leder till bättre modeller. Inom biomedicinsk teknik kan känslighetsanalys användas för att bestämma systemdynamik i ODE-baserade kinetiska modeller. Parametrar som motsvarar differentieringsstadier kan varieras för att bestämma vilken parameter som har störst inflytande på cellödet. Därför kan det mest begränsande steget identifieras och celltillståndet för den mest fördelaktiga uppskalningen och expansionen kan bestämmas. Dessutom kan komplexa nätverk inom systembiologi bättre förstås genom att passa kinetiska modeller för massverkan. Sensitivitetsanalys på hastighetskoefficienter kan sedan utföras för att bestämma optimala terapeutiska mål inom systemet av intresse.