早产预测：从高维数据推导稳定且可解释的规则
机器学习
2016-07-29 v1
摘要
早产以10-15%的惊人速率发生。早产儿具有更高的婴儿死亡率、发育迟滞和长期残疾风险。预测早产是困难的，即使对最有经验的临床医生也是如此。迄今为止设计最完善的临床研究在特异度28.6-33.3%下达到了18.2-24.2%的温和灵敏度。我们采用一种不同的方法，利用正常医院操作的数据库。我们的目标是双重的：(i) 推导一个易于使用、具有量化不确定性的可解释预测规则，以及 (ii) 构建用于早产预测的准确分类器。我们的方法是使用稳定性感知技术从数百（甚至数千）个可能预测因子中自动生成并选择。从15,814名女性的大型数据库推导出的仅含10个条目的简化预测规则，在特异度81.5%下具有62.3%的灵敏度。
引用
@article{arxiv.1607.08310,
title = {Preterm Birth Prediction: Deriving Stable and Interpretable Rules from High Dimensional Data},
author = {Truyen Tran and Wei Luo and Dinh Phung and Jonathan Morris and Kristen Rickard and Svetha Venkatesh},
journal= {arXiv preprint arXiv:1607.08310},
year = {2016}
}
备注
Presented at 2016 Machine Learning and Healthcare Conference (MLHC 2016), Los Angeles, CA