利用电子健康记录识别痴呆亚型
机器学习
2026-02-06 v2
摘要
痴呆的特征是记忆与思维衰退，其严重程度足以损害日常活动功能。在痴呆专科诊所就诊的患者具有高度异质性，表现出多种不同症状且以不同速率进展。本工作中，我们对临床痴呆评定量表（CDR）得分的分量得分采用无监督数据驱动的K-Means聚类方法以识别痴呆亚型，并使用间隙统计量确定最优簇数。我们的目标是从认知表现方面刻画所识别的痴呆亚型，并分析患者亚型间转换如何与疾病进展相关。我们的结果表明了（i）亚型间变异性，即即便具有相同CDR，不同痴呆亚型间在特定分量得分上的变异性；以及（ii）亚型内变异性，即特定痴呆亚型内6个分量得分的变异。我们观察到，代表极轻度痴呆个体（CDR 0.5）的痴呆亚型向其他亚型转换的速率差异很大。未来工作包括在我们所提流程上测试额外数据集的泛化性，以及使用更大量的EHR数据来估计痴呆亚型间在认知特征与疾病进展方面的变异性概率估计。
引用
@article{arxiv.2202.00009,
title = {Identifying Dementia Subtypes with Electronic Health Records},
author = {Sayantan Kumar and Zachary Abrams and Suzanne Schindler and Nupur Ghoshal and Philip Payne},
journal= {arXiv preprint arXiv:2202.00009},
year = {2026}
}
备注
ACM Conference on Bioinformatics, Computational Biology, and Health Informatics 13 pages, 7 figures, 3 tables