利用多分辨率结构实现疾病轨迹预测个性化的框架

对于许多复杂疾病，个体表现疾病的方式多种多样。个性化医疗的挑战在于开发能够准确预测个体疾病轨迹的工具，从而让临床医生优化治疗。我们将个体的疾病轨迹表示为一个连续值连续时间函数，描述疾病随时间严重程度的变化。我们提出了一种分层潜变量模型，用于个体化疾病轨迹预测。该模型在不同分辨率——群体、亚群体和个体水平——的观测之间共享统计强度。我们描述了一种离线学习群体和亚群体参数的算法，以及一种在线动态学习个体特定参数的过程。最后，我们在预测间质性肺疾病进程的任务上验证了我们的模型，该疾病是自身免疫病硬皮病患者的主要死因。我们将我们的方法与最先进水平进行比较，展示了预测准确性的显著提升。