PSICA：用于分类治疗下概率性亚组识别的决策树
机器学习
2018-11-26 v1 机器学习
摘要
精准医学旨在为具有给定特征的患者确定最佳治疗方案。文献表明，与传统上对所有患者开具相同治疗的方法相比，这些方法可在医学上带来显著改善。亚组识别是精准医学的一个分支，旨在寻找具有相似特征的患者亚组，其中所研究的某些治疗比其他治疗具有更好的效果。已有若干基于决策树的方法被提出以识别此类亚组，但大多数聚焦于两臂试验（对照/治疗），少数方法考虑定量治疗（由剂量定义）。然而，在分类治疗集合的场景中，尚不存在能够预测最佳治疗的亚组识别方法。我们提出了一种用于分类治疗场景下亚组识别的新方法。该方法输出一棵决策树，展示给定治疗对给定患者群体为最佳的概率，以及标明可能最佳治疗的标签。该方法已在 CRAN 上提供的 R 包 \textbf{psica} 中实现。除基于人工数据的数值模拟外，我们还展示了一项基于社区的营养干预试验分析，证实了本方法的有效性。
引用
@article{arxiv.1811.09065,
title = {PSICA: decision trees for probabilistic subgroup identification with categorical treatments},
author = {Oleg Sysoev and Krzysztof Bartoszek and Eva-Charlotte Ekstrom and Katarina Ekholm Selling},
journal= {arXiv preprint arXiv:1811.09065},
year = {2018}
}