通过纵向逆分类实现个性化心血管疾病风险缓解
机器学习
2020-11-18 v1 计算机与社会
摘要
心血管疾病（CVD）是一种影响全球数百万人的严重疾病，也是美国的首要死因。然而近年来，个性化医疗领域迅猛发展，该医学领域将患者置于医疗决策与治疗过程的中心。许多聚焦 CVD 的个性化医疗创新集中于遗传生物标志物，其在基因层面提供个体特异的 CVD 洞察，却不关注患者可采取何种实际步骤来降低其罹患 CVD 的风险。本工作中我们提出纵向逆分类，一种提供个性化生活方式建议、使预测的 CVD 风险概率最小化的推荐框架。我们的框架考虑历史 CVD 风险及其他患者特征以给出建议。实验表明，尽早采纳由本框架导出的建议可产生显著的 CVD 风险降低。
引用
@article{arxiv.2011.08254,
title = {Personalized Cardiovascular Disease Risk Mitigation via Longitudinal Inverse Classification},
author = {Michael T. Lash and W. Nick Street},
journal= {arXiv preprint arXiv:2011.08254},
year = {2020}
}
备注
Forthcoming in AIBH 2020 (a BIBM 2020 workshop)