一种用于高血压共病风险预测的联合图表示学习框架
机器学习
2025-06-13 v2
摘要
高血压的共病状况对患者和社会都造成了沉重的负担。及早识别对于促使干预至关重要，但这仍是一个具有挑战性的任务。本研究旨在通过结合联合图学习与网络分析来解决这一挑战。基于此发现，我们开发了一个联合图表示学习（CGRL）框架：a) 基于疾病编码构建两个网络，包括患者网络和疾病差异网络；基于基本差异网络生成三个共病网络特征，以捕捉共病与风险疾病之间潜在关系；b) 融合计算结构干预和学习特征表示，开发了 CGRL 来预测患者中糖尿病和冠心病的风险；c) 分析共病模式，探索疾病进展的路径，可能揭示糖尿病和冠心病的病理病因学。结果表明，基于差异网络提取的网络特征至关重要，我们提出的框架在准确率方面比其他强大的模型提供了更准确的预测。
引用
@article{arxiv.2505.05094,
title = {A Conjoint Graph Representation Learning Framework for Hypertension Comorbidity Risk Prediction},
author = {Leming Zhou and Zuo Wang and Zhixuan Duan},
journal= {arXiv preprint arXiv:2505.05094},
year = {2025}
}