基于遗传学驱动的个体化疾病进展模型
机器学习
2025-03-04 v1 人工智能
摘要
通过多个阶段建模疾病进展对于临床决策至关重要，适用于癌症、糖尿病、慢性肾病等慢性疾病。现有方法常将疾病进展建模为人群层面的统一轨迹模式。然而，慢性疾病具有高度异质性，往往根据患者的遗传特征和由生活方式引起的环境因素呈现多种进展模式。我们提出一种个体化疾病进展模型，用于联合学习疾病进展的异质模式和遗传特征组。具体而言，设计了一条端到端的管道，同时利用变分自编码器从遗传标记中推断患者特征，并基于临床观察数据使用基于 RNN 的状态空间模型来驱动疾病进展。我们的方法在真实世界和合成临床数据上均取得了改进。
引用
@article{arxiv.2503.00028,
title = {Genetics-Driven Personalized Disease Progression Model},
author = {Haoyu Yang and Sanjoy Dey and Pablo Meyer},
journal= {arXiv preprint arXiv:2503.00028},
year = {2025}
}