AdaMedGraph：用于个性化医疗的 Adaboosting 图神经网络
机器学习
2023-11-27 v1
摘要
近年来，为个体患者量身定制的精准医疗受到显著关注。机器学习技术现被用于处来自图像、遗传学与评估等多种来源的个性化数据。这些技术在许多临床预测任务中已展现出良好结果。值得注意的是，通过连接相似患者构建图然后应用图神经网络（GNNs）的方法尤为突出，因为来自相似患者的相关信息被聚合并用于预测。然而，鉴于每位患者由来自不同来源的高维特征刻画，选择合适的边特征以定义患者相似度并构建图颇具挑战。先前研究依赖人类专业知识选择边特征，对于复杂疾病既不可扩展也不利于高效定位关键边特征。本文中，我们提出一种名为 \ours 的新算法，可自动选择重要特征构建多个患者相似度图，并基于这些图训练 GNNs 作为自适应提升中的弱学习器。\ours{} 在两个真实世界医疗场景上评估并展现出优越性能。
引用
@article{arxiv.2311.14304,
title = {AdaMedGraph: Adaboosting Graph Neural Networks for Personalized Medicine},
author = {Jie Lian and Xufang Luo and Caihua Shan and Dongqi Han and Varut Vardhanabhuti and Dongsheng Li},
journal= {arXiv preprint arXiv:2311.14304},
year = {2023}
}
备注
Extended Abstract presented at Machine Learning for Health (ML4H) symposium 2023, December 10th, 2023, New Orleans, United States, 9 pages