基于学习的帕金森病计算机辅助处方模型：数据驱动的视角
机器学习
2020-08-03 v1 计算机视觉与模式识别
机器学习
摘要
本文研究一个新问题：“帕金森病 (PD) 患者自动处方推荐”。为实现该目标，我们首先构建数据集，收集 1) PD 患者症状，以及 2) 神经科医生提供的处方药物。随后，我们通过学习观测症状与处方药物之间的关系构建一种新颖的计算机辅助处方模型。最后，对于新就诊患者，我们的处方模型可基于其观测症状推荐（预测）合适的处方药物。在方法部分，我们提出的模型即经由学习潜在症状进行处方 (Prescription viA Learning lAtent Symptoms, PALAS)，可利用数据的多模态表示进行处方推荐。在 PALAS 中，学习一个潜在症状空间以更好地建模症状与处方药物间的关系，因二者存在较大语义鸿沟。此外，我们给出了 PALAS 的一种高效交替优化方法。我们使用南京脑科医院 136 名 PD 患者收集的数据进行评估，该数据在 PD 研究界可视为大规模数据集。实验结果表明，与其他竞争方法相比，我们的方法在该推荐任务中具有有效性与临床潜力。
引用
@article{arxiv.2007.16103,
title = {Learning-based Computer-aided Prescription Model for Parkinson's Disease: A Data-driven Perspective},
author = {Yinghuan Shi and Wanqi Yang and Kim-Han Thung and Hao Wang and Yang Gao and Yang Pan and Li Zhang and Dinggang Shen},
journal= {arXiv preprint arXiv:2007.16103},
year = {2020}
}
备注
IEEE JBHI 2020