学习捕捉健康差异的疾病进程模型
机器学习
2025-05-01 v2 人工智能
计算机与社会
应用统计
机器学习
摘要
疾病进程模型广泛用于指导许多 progressive 疾病的诊断和治疗。然而，现有模型的一个重要局限是它们未能考虑健康差异，这些差异可能导致观察数据偏差。为此，我们发展了一种可解释的贝叶斯疾病进程模型，捕捉三种关键健康差异：某些患者群体可能 (1) 仅在疾病更严重时才开始接受治疗，(2) 在接受治疗期间经历更快的疾病进程，或 (3) 在疾病严重程度条件下接受随访治疗的频率较低。我们在理论和实证方面表明，若未能考虑这些差异之一，即可导致严重程度的偏估计（例如，低估劣势群体的严重程度）。在心力衰竭患者数据集上，我们展示了该模型能够识别面临每种健康差异的群体，并且在推断疾病严重程度时考虑到这些差异，能显著改变哪些患者被视为高风险。
引用
@article{arxiv.2412.16406,
title = {Learning Disease Progression Models That Capture Health Disparities},
author = {Erica Chiang and Divya Shanmugam and Ashley N. Beecy and Gabriel Sayer and Deborah Estrin and Nikhil Garg and Emma Pierson},
journal= {arXiv preprint arXiv:2412.16406},
year = {2025}
}