通过对比健康对照发现疾病亚群
机器学习
2026-05-21 v1 计算机视觉与模式识别
摘要
在医学亚群发现中，实践者关注发现患者组内可解释且同质的亚群。在本文中，假设健康主体(即对照组)与患者共享常见但无关的变异因子，我们动机并开发了对比亚群发现方法，称为Deep UCSL。通过对比患者与对照，Deep UCSL识别仅由疾病因素驱动的亚群，忽略与健康主体共享的常见变异。我们的框架采用深度特征提取器学习判别性表示空间。数学上，我们推导了基于潜在簇与患者/对照标签条件联合似然的新型损失函数，通过期望最大化策略交替优化亚群推断和特征编码器更新。正则化项进一步鼓励表示捕获疾病特定的变异，同时忽略与对照共享的变异。与以往相关工作相比，我们的方法在MNIST示例和四个不同真实医学影像数据集上定量改进了估计亚群的质量。代码和数据集均可用：https://github.com/rlouiset/deep_ucsl。
引用
@article{arxiv.2605.21301,
title = {Automatic Discovery of Disease Subgroups by Contrasting with Healthy Controls},
author = {Robin Louiset and Edouard Duchesnay and Benoit Dufumier and Antoine Grigis and Pietro Gori},
journal= {arXiv preprint arXiv:2605.21301},
year = {2026}
}
备注
Accepted to Data Mining and Knowledge Discovery, ECML-PKDD 2026 Journal Track