一种用于预测阿尔茨海默病恶化的机器学习方法
机器学习
2023-06-21 v1
摘要
本文利用机器学习探讨阿尔茨海默病的恶化。受试者依据基线诊断（认知正常、轻度认知障碍）划分为两个数据集，结局为末次访视时的恶化情况（本质上是是/否的二项分类），数据来自阿尔茨海默病神经影像倡议（人口统计学、遗传学、脑脊液、影像与神经心理学测试等）。构建了包括梯度提升在内的六种机器学习模型，并采用嵌套交叉验证在这些数据集上评估，表现最优的模型进一步经过 100 次迭代的重复嵌套交叉验证。我们得以证明使用 CART 预测认知正常组中恶化且获得更差诊断者具有良好预测能力（AUC = 0.88）。对于轻度认知障碍组，我们使用 Elastic Net 对恶化取得良好预测能力（AUC = 0.76）。
引用
@article{arxiv.2306.10334,
title = {A Machine Learning Approach for Predicting Deterioration in Alzheimer's Disease},
author = {Henry Musto and Daniel Stamate and Ida Pu and Daniel Stahl},
journal= {arXiv preprint arXiv:2306.10334},
year = {2023}
}