心血管疾病的个性化病理检测：基于判别性概要统计量学习的近似贝叶斯计算
统计方法学
2022-02-11 v2 统计计算
机器学习
摘要
心/脑血管疾病（CVD）已成为我们社会中的主要健康问题之一。但近期研究表明，现有的CVD病理检测方法效果不佳，因为它们未考虑血小板活化的不同阶段或血小板相互作用涉及的分子动力学，且无法考虑个体间差异。本文提出一种随机血小板沉积模型及一种推断方案，利用近似贝叶斯计算并借助能最大程度区分不同患者类型的概要统计量，来估计具有生物学意义的模型参数。基于健康志愿者与不同患者类型所收集数据的推断参数，帮助我们识别特定的生物学参数，从而识别每类患者功能障碍背后的生物学机理。该工作为CVD检测与医疗的个性化病理检测开辟了前所未有的机遇。
引用
@article{arxiv.2010.06465,
title = {Personalized pathology test for Cardio-vascular disease: Approximate Bayesian computation with discriminative summary statistics learning},
author = {Ritabrata Dutta and Karim Zouaoui-Boudjeltia and Christos Kotsalos and Alexandre Rousseau and Daniel Ribeiro de Sousa and Jean-Marc Desmet and Alain Van Meerhaeghe and Antonietta Mira and Bastien Chopard},
journal= {arXiv preprint arXiv:2010.06465},
year = {2022}
}