机器学习预测阿尔茨海默病风险的应用：一种用于早期诊断的准确实用方案
定量方法
2020-06-17 v1 机器学习
机器学习
摘要
阿尔茨海默病（AD）侵蚀超过 500 万美国人的认知能力，并给医疗系统带来巨大压力。本文提出了一种无需医学影像、且较少临床就诊和检查的 AD 发展机器学习预测模型，希望实现更早且更便宜的诊断。更早的诊断对于任何治愈该疾病的药物或医疗治疗的疗效可能至关重要。我们的模型使用来自两项著名研究：阿尔茨海默病神经影像学倡议（ADNI）和澳大利亚影像、生物标志物与生活方式老龄化旗舰研究（AIBL）的人口统计、生物标志物和认知测试数据进行训练和验证。我们系统地探索了不同的机器学习模型、预处理方法和特征选择技术。性能最佳的模型在预测 AD 时表现出超过 90% 的准确率和召回率，且结果在 ADNI 的子研究间及独立的 AIBL 研究中具有泛化性。我们还证明这些结果对减少每次就诊的临床访视次数或检查次数是鲁棒的。利用元分类算法和纵向数据分析，我们能够产生一种仅含 3 项检查和 4 次临床访视的“精简”诊断方案，可以 87% 的准确率和 79% 的召回率预测阿尔茨海默病的发展。这项新颖工作可适配为一种实用的早期预测阿尔茨海默病发展的诊断工具，在最大化准确率的同时最小化必要的诊断检查和临床访视数量。
引用
@article{arxiv.2006.08702,
title = {Application of Machine Learning to Predict the Risk of Alzheimer's Disease: An Accurate and Practical Solution for Early Diagnostics},
author = {Courtney Cochrane and David Castineira and Nisreen Shiban and Pavlos Protopapas},
journal= {arXiv preprint arXiv:2006.08702},
year = {2020}
}