用于异质性疾病进展建模的输入-输出隐马尔可夫模型混合
机器学习
2022-07-26 v1 人工智能
摘要
疾病进展建模的一个特殊挑战在于疾病及其在患者身上表现的异质性。现有方法通常假设存在单一的疾病进展特征，这对于帕金森病之类的神经退行性疾病而言不太可能。本文提出一种层次化时间序列模型，能够发现多种疾病进展动态。所提模型是输入-输出隐马尔可夫模型的扩展，考虑了患者健康状况的临床评估与处方药物。我们使用合成生成的数据集以及帕金森病的真实世界纵向数据集说明了模型的优势。
引用
@article{arxiv.2207.11846,
title = {Mixture of Input-Output Hidden Markov Models for Heterogeneous Disease Progression Modeling},
author = {Taha Ceritli and Andrew P. Creagh and David A. Clifton},
journal= {arXiv preprint arXiv:2207.11846},
year = {2022}
}