用多模态深度神经网络预测多发性硬化疾病严重程度
机器学习
2023-04-11 v1 人工智能
摘要
多发性硬化(MS)是一种发生于人脑与脊髓的慢性疾病，可致神经的永久性损伤或退化。MS 疾病严重程度通过扩充残疾状态量表(EDSS)监测，该量表由若干功能子分组成。早期准确分类 MS 疾病严重程度对于通过早期治疗干预策略减缓或阻止疾病进展至关重要。深度学习的近期进展与电子健康记录(EHR)的广泛使用，为应用数据驱动与预测建模工具实现该目标创造了机遇。既往聚焦单模态机器学习与深度学习算法的研究受限于数据不足或模型简单，预测精度有限。本文提出利用患者多模态纵向 EHR 数据预测就诊时多发性硬化疾病严重程度的思路。本工作有两方面重要贡献。首先，我们描述了利用结构化 EHR 数据、神经影像数据与临床笔记构建多模态深度学习框架以预测患者 MS 疾病严重程度的初步尝试。相较单模态数据模型，所提流程在受试者工作特征曲线下面积(AUROC)方面提升达 25%。其次，该研究就各数据模态中嵌入的相对于 MS 疾病预测的有用信号量提供了见解，或可改进数据收集流程。
引用
@article{arxiv.2304.04062,
title = {Predicting multiple sclerosis disease severity with multimodal deep neural networks},
author = {Kai Zhang and John A. Lincoln and Xiaoqian Jiang and Elmer V. Bernstam and Shayan Shams},
journal= {arXiv preprint arXiv:2304.04062},
year = {2023}
}