冠心病患者的个性化治疗:一种机器学习方法
机器学习
2019-10-21 v1 机器学习
应用统计
摘要
当前冠心病(CAD)管理的临床实践指南考虑了一般心血管风险因素,但未提出考虑个性化患者特征的框架。利用 21,460 名患者的电子健康记录,我们创建了用于个性化 CAD 管理的数据驱动模型,相对于标准治疗显著改善了健康结局。我们开发了二分类器以检测患者是否会在 10 年时间内经历 CAD 导致的不良事件。结合患者病史与临床检查结果,我们达到了 81.5% 的 AUC。对于每种治疗,我们还创建了一系列基于不同监督机器学习算法的回归模型。我们能够以平均 R 平方 = 0.801 估计从诊断到潜在不良事件(TAE)的时间,并获得反事实治疗效应的准确近似。利用这些模型的组合,我们提出 ML4CAD,一种新颖的个性化处方算法。ML4CAD 同时考虑多个预测模型的推荐,通过投票机制为每位患者确定预期结局最佳的治疗。我们通过测量替代真实情况下的处方有效性与鲁棒性来评估其性能。我们表明,相较当前基线,我们的方法将预期 TAE 提高了 24.11%,从 4.56 年增至 5.66 年。该算法在男性(改善 24.3%)和西班牙裔(改善 58.41%)亚群中表现尤为良好。最后,我们创建了一个交互式界面,为医生提供直观、准确、易于实施且有效的工具。
引用
@article{arxiv.1910.08483,
title = {Personalized Treatment for Coronary Artery Disease Patients: A Machine Learning Approach},
author = {Dimitris Bertsimas and Agni Orfanoudaki and Rory B. Weiner},
journal= {arXiv preprint arXiv:1910.08483},
year = {2019}
}