ConfidentCare：一种用于个性化乳腺癌筛查的临床决策支持系统
机器学习
2016-02-02 v1
摘要
乳腺癌筛查策略试图通过对表面健康女性定期筛查来实现及时诊断。管理筛查过程需要各种临床决策；包括：选择女性需进行的筛查检测、解读检测结果、以及决定是否应将女性转介至诊断性检测。此类决策目前由临床实践指南（CPGs）指导，这些指南代表一种“一刀切”的方法，旨在对人群平均有效，但不能保证在该人群上均匀有效。由于筛查的风险与收益是每位患者特征的函数，需要确保向合适的女性推荐合适的检测，因而需要针对个体特征定制的个性化筛查策略。为解决此问题，我们提出ConfidentCare：一种从电子健康记录（EHR）数据学习个性化筛查策略的计算机辅助临床决策支持系统。ConfidentCare通过识别相似患者的聚类，并为每个聚类学习最佳筛查策略来运作。患者聚类是一组具有相似特征（如年龄、乳腺密度、家族史等）的患者集合，筛查策略是一组关于根据女性特征和筛查检测评分推荐何种操作的指南。ConfidentCare算法确保为每个患者聚类采用的策略以高置信度满足预定义准确率要求。我们表明，我们的算法在成本效益和假阳性率方面优于当前CPGs。
引用
@article{arxiv.1602.00374,
title = {ConfidentCare: A Clinical Decision Support System for Personalized Breast Cancer Screening},
author = {Ahmed M. Alaa and Kyeong H. Moon and William Hsu and Mihaela van der Schaar},
journal= {arXiv preprint arXiv:1602.00374},
year = {2016}
}