基于多事件生存分析的肌萎缩侧索硬化症功能衰退的有意义预测
定量方法
2025-11-20 v2 机器学习
机器学习
摘要
肌萎缩侧索硬化症（ALS）是一种运动神经元退行性疾病，会导致患者进行性瘫痪。目前的治疗选择旨在延长生存期并改善生活质量。然而，由于疾病的异质性，通常难以确定潜在疗法或医疗干预的最佳时机。在本研究中，我们提出了一种新方法，用于预测 ALS 患者在五种常见功能（说话、吞咽、书写、行走和呼吸）中经历显著功能受损（ALSFRS-R <= 2）的时间。我们将此任务表述为多事件生存问题，并在 PRO-ACT 数据集（N = 3220）中验证了我们的方法，通过训练五个基于协变量的生存模型来估计基线访问后 500 天内每个事件发生的概率。随后，我们为患者预测五个特定事件的个体生存分布（ISD），每个分布都提供了关于该事件可能发生时间的可解释估计。结果表明，在 PRO-ACT 数据集中预测事件发生时间方面，基于协变量的模型优于 Kaplan-Meier 估计量。此外，我们的方法使从业者能够进行个体反事实预测——其中某些协变量可以被改变——以估计其对预测结果的影响。在这方面，我们发现利鲁唑对预测的功能衰退影响极小或没有影响。然而，对于延髓起病型 ALS 患者，与肢体起病型 ALS 患者相比，我们的模型预测其言语和吞咽功能丧失的事件发生时间估计值显著更短（log-rank p<0.001，Bonferroni 校正 alpha=0.01）。所提出的方法可应用于当前的临床检查数据，以评估功能衰退的风险，从而允许更个性化的治疗规划。
引用
@article{arxiv.2506.02076,
title = {A meaningful prediction of functional decline in amyotrophic lateral sclerosis based on multi-event survival analysis},
author = {Christian Marius Lillelund and Sanjay Kalra and Russell Greiner},
journal= {arXiv preprint arXiv:2506.02076},
year = {2025}
}