面向健康的机器学习：用于阿尔茨海默病进展预测的个性化模型
机器学习
2020-08-07 v1
摘要
本论文旨在优化现代机器学习模型，以基于临床试验数据对阿尔茨海默病（AD）进展进行个性化预测。数据来自TADPOLE挑战赛，这是AD研究中公开可用的最大数据集之一（ADNI数据集）。该项目的目标是开发可用于对参与者认知变化（例如ADAS-Cog13评分）在未来6、12、18和24个月内的时间段以及临床状态（CS）变化（即一个人是否会在2年内转化为AD）进行个性化预测的机器学习模型。这对于为当前AD临床试验提供信息以及更好地设计未来AD临床试验十分重要。我们将使用个性化高斯过程作为机器学习模型来预测ADAS-Cog13评分，并使用Cox模型及一个分类器来预测患者在2年内的转化。本项目与来自MIT MediaLab的研究人员合作完成。
引用
@article{arxiv.2008.02667,
title = {Machine Learning for Health: Personalized Models for Forecasting of Alzheimer Disease Progression},
author = {Aritra Banerjee},
journal= {arXiv preprint arXiv:2008.02667},
year = {2020}
}
备注
51 pages, 25 figures, 3 tables