用于移植后死因分析的多任务学习：以肝移植为例
机器学习
2023-10-09 v3 计算机与社会
摘要
器官移植是某些终末期疾病（如肝衰竭）的必要治疗方法。分析器官移植后的移植后死因（CoD）为临床决策（包括个性化治疗与器官分配）提供了有力工具。然而，传统方法如终末期肝病模型（MELD）评分和常规机器学习（ML）方法由于两大与数据和模型相关的挑战，在死因分析上受到限制。为此，我们提出了一种称为 CoD-MTL 的新框架，利用多任务学习联合建模各死因预测任务之间的语义关系。具体而言，我们开发了一种用于多任务学习的新型树蒸馏策略，其结合了树模型与多任务学习的优势。实验结果展示了我们框架精确且可靠的死因预测。通过案例研究论证了我们的方法在肝移植中的临床重要性。
引用
@article{arxiv.2304.00012,
title = {Multi-Task Learning for Post-transplant Cause of Death Analysis: A Case Study on Liver Transplant},
author = {Sirui Ding and Qiaoyu Tan and Chia-yuan Chang and Na Zou and Kai Zhang and Nathan R. Hoot and Xiaoqian Jiang and Xia Hu},
journal= {arXiv preprint arXiv:2304.00012},
year = {2023}
}
备注
AMIA Annual Symposium 2023 Best Student Paper Finalist