多发性硬化症患者轨迹的纵向建模改善残疾进展预测
机器学习
2020-11-11 v1
摘要
多发性硬化症（MS）的研究近来聚焦于从真实世界临床数据源中提取知识。此类数据比临床试验产生的数据更为丰富，并可能提供关于真实世界临床实践的更多信息。然而，其代价是数据集的整理与控制较弱。在本工作中，我们针对真实世界环境下从纵向患者数据中最优提取信息的任务，特别关注稀疏采样问题。利用 MSBase 登记库，我们表明，采用适用于患者轨迹建模的机器学习方法（如循环神经网络与张量分解），可在两年时间范围内以 0.86 的 ROC-AUC 预测患者残疾进展，相较于使用静态临床特征的参考方法，其排序对误差（1-AUC）降低了 33%。与文献中已有模型相比，本工作使用了最完整的患者病史用于 MS 疾病进展预测。
引用
@article{arxiv.2011.04749,
title = {Longitudinal modeling of MS patient trajectories improves predictions of disability progression},
author = {Edward De Brouwer and Thijs Becker and Yves Moreau and Eva Kubala Havrdova and Maria Trojano and Sara Eichau and Serkan Ozakbas and Marco Onofrj and Pierre Grammond and Jens Kuhle and Ludwig Kappos and Patrizia Sola and Elisabetta Cartechini and Jeannette Lechner-Scott and Raed Alroughani and Oliver Gerlach and Tomas Kalincik and Franco Granella and Francois GrandMaison and Roberto Bergamaschi and Maria Jose Sa and Bart Van Wijmeersch and Aysun Soysal and Jose Luis Sanchez-Menoyo and Claudio Solaro and Cavit Boz and Gerardo Iuliano and Katherine Buzzard and Eduardo Aguera-Morales and Murat Terzi and Tamara Castillo Trivio and Daniele Spitaleri and Vincent Van Pesch and Vahid Shaygannej and Fraser Moore and Celia Oreja Guevara and Davide Maimone and Riadh Gouider and Tunde Csepany and Cristina Ramo-Tello and Liesbet Peeters},
journal= {arXiv preprint arXiv:2011.04749},
year = {2020}
}