用于神经母细胞瘤预测分类的多目标深度学习方法
定量方法
2018-02-23 v3 机器学习
摘要
神经母细胞瘤是一种高度异质性的癌症，临床进程差异极大，可从自发消退到致命进展；诊断时对患者风险的准确评估对于制定恰当的肿瘤治疗策略至关重要。神经母细胞瘤是一种典范疾病，其中不同的诊断与预后终点需从共同的分子与临床信息预测，且复杂度递增，如 FDA MAQC-II 研究所示。在此我们引入新颖的多目标深度学习架构 CDRP（Concatenated Diagnostic Relapse Prognostic，级联诊断复发预后），由 8 层组成，从高通量转录组学数据获得诊断与预后的联合预测。两个独立的损失函数分别针对无事件生存（EFS）与总生存（OS）预后进行优化。我们使用高风险（HR）诊断信息作为由自编码器嵌入生成的附加输入。后者用作网络正则化器，基于临床中常用于依据癌症分期、发病年龄及特异性分子标志物 MYCN 对患者分层的标准算法。该架构应用于来自测序质量控制（SEQC）研究的 498 名神经母细胞瘤患者（176 名高风险）的 Illumina HiSeq2000 RNA-Seq 数据，在诊断终点上取得当前最佳结果，并改善了对 HR 队列的预后预测。
引用
@article{arxiv.1711.08198,
title = {A multiobjective deep learning approach for predictive classification in Neuroblastoma},
author = {Valerio Maggio and Marco Chierici and Giuseppe Jurman and Cesare Furlanello},
journal= {arXiv preprint arXiv:1711.08198},
year = {2018}
}
备注
NIPS ML4H workshop 2017 & MAQC 2018