OpenClinicalAI：一种用于阿尔茨海默病诊断的开放动态模型
机器学习
2023-07-04 v1 人工智能
摘要
尽管阿尔茨海默病（AD）不可逆转或治愈，及时诊断可显著减轻治疗与照护负担。当前AD诊断模型研究通常将诊断任务视为典型分类任务，并基于两个主要假设：1）所有目标类别先验已知；2）每位患者的诊断策略一致，即每位患者模型输入数据的数量与类型相同。然而，真实临床环境是开放的，在受试者和医疗机构资源方面均具有复杂性与不确定性。这意味着诊断模型可能遇到未见疾病类别，并需基于受试者具体情况与可用医疗资源动态制定诊断策略。因此，AD诊断任务与诊断策略制定纠缠耦合。为推动诊断系统在真实临床环境中的应用，我们提出OpenClinicalAI，用于复杂不确定临床环境下的直接AD诊断。这是首个强大的端到端模型，可基于受试者状况与可用医疗资源动态制定诊断策略并给出诊断结果。OpenClinicalAI结合了用于诊断策略制定的相互耦合深度多动作强化学习（DMARL）与用于开放集识别的多中心元学习（MCML）。实验结果表明，相比SOTA模型，OpenClinicalAI取得更优性能且所需临床检查更少。我们的方法为将AD诊断系统嵌入现有医疗体系、与临床医生协作改善当前医疗提供了契机。
引用
@article{arxiv.2307.00965,
title = {OpenClinicalAI: An Open and Dynamic Model for Alzheimer's Disease Diagnosis},
author = {Yunyou Huang and Xiaoshuang Liang and Xiangjiang Lu and Xiuxia Miao and Jiyue Xie and Wenjing Liu and Fan Zhang and Guoxin Kang and Li Ma and Suqin Tang and Zhifei Zhang and Jianfeng Zhan},
journal= {arXiv preprint arXiv:2307.00965},
year = {2023}
}
备注
Real-world clinical setting,Alzheimer's disease,diagnose,AI,deep learning. arXiv admin note: text overlap with arXiv:2109.04004