利用数字孪生建模轻度认知障碍与阿尔茨海默病的疾病进展
机器学习
2020-12-29 v1 定量方法
摘要
阿尔茨海默病（AD）是一种神经退行性疾病，影响处于广泛严重程度的患者，并在临床试验中通过多种认知和功能量表进行评估。随着 AD 临床试验日益关注疾病的更早阶段，尤其是轻度认知障碍（MCI），对横跨疾病谱的患者结局进行建模的能力极为重要。我们使用称为条件受限玻尔兹曼机（Conditional Restricted Boltzmann Machines, CRBMs）的无监督机器学习模型来创建 AD 患者的数字孪生（Digital Twins）。数字孪生是模拟的临床记录，其与真实患者共享基线数据，并全面建模其在标准照护下的结局。CRBMs 在来自观察性研究及横跨 AD 谱系的临床试验安慰剂臂的大量记录上进行训练。这些数据呈现出数据集中跨患者已测量与缺失观测交织的典型难题，我们提出了一种专门设计以有效从中学习的新颖模型架构。我们针对留出测试数据集评估性能，并展示了数字孪生如何同时捕捉临床试验中从 MCI 到轻中度 AD 等广泛疾病严重程度下若干关键终点的进展。
引用
@article{arxiv.2012.13455,
title = {Modeling Disease Progression in Mild Cognitive Impairment and Alzheimer's Disease with Digital Twins},
author = {Daniele Bertolini and Anton D. Loukianov and Aaron M. Smith and David Li-Bland and Yannick Pouliot and Jonathan R. Walsh and Charles K. Fisher},
journal= {arXiv preprint arXiv:2012.13455},
year = {2020}
}