一种用于阿尔茨海默病亚组分析的融合学习方法
统计方法学
2021-10-28 v3
摘要
揭示阿尔茨海默病疾病进展的异质性是理解疾病与开发治疗的关键所在，从而可使干预措施针对最能从中获益的亚组进行定制，这是精准医学的重要目标。然而在实践中，阻碍异质性研究的一大方法学挑战在于每个个体的真实亚组归属通常未知。本文旨在识别随时间具有共同疾病进展的潜在个体亚组，预测潜在亚组归属，并估计与推断各亚组间的异质轨迹。为实现这些目标，我们应用 Ma 与 Huang (2017) 及 Ma 等人 (2019) 提出的凹融合学习方法，对阿尔茨海默病数据的纵向轨迹进行亚组分析。异质轨迹由受试者特定的未知函数表示，并用 B 样条逼近。该凹融合方法可同时估计样条系数并将属于同一亚组的受试者系数合并，从而自动识别亚组并恢复异质轨迹。所得各亚组疾病轨迹的估计量有渐近分布作为支撑，为进一步在亚组分析中开展统计推断提供了坚实的理论基础。
引用
@article{arxiv.2103.06363,
title = {A fusion learning method to subgroup analysis of Alzheimer's disease},
author = {Mingming Liu and Jing Yang and Yushi Liu and Bochao Jia and Yun-Fei Chen and Luna Sun and Shujie Ma},
journal= {arXiv preprint arXiv:2103.06363},
year = {2021}
}