用于刻画症状序列的新型 Mallows 模型的贝叶斯推断及其在原发性进行性失语症中的应用
机器学习
2023-11-23 v1
摘要
机器学习模型有潜力以数据驱动的方式理解多样化数据集，从而增强对个体疾病经历的洞察并确保公平的医疗。在本研究中，我们探索用于刻画症状序列及其相关建模挑战的贝叶斯推断。我们改进了 Mallows 模型以处理部分排序和右删失数据，并采用定制的 MCMC 拟合。我们的评估涵盖合成数据与原发性进行性失语症数据集，凸显了该模型在揭示平均排序和估计排序方差方面的效能。这具有增强症状发生临床理解的潜力。然而，我们的工作在模型可扩展性和小数据集规模方面存在局限。
引用
@article{arxiv.2311.13411,
title = {Bayesian inference of a new Mallows model for characterising symptom sequences applied in primary progressive aphasia},
author = {Beatrice Taylor and Cameron Shand and Chris J. D. Hardy and Neil Oxtoby},
journal= {arXiv preprint arXiv:2311.13411},
year = {2023}
}
备注
Extended Abstract presented at Machine Learning for Health (ML4H) symposium 2023, December 10th, 2023, New Orleans, United States, 8 pages