用于阿尔茨海默病及相关痴呆风险预测的自解释图神经网络
机器学习
2024-06-11 v4
摘要
背景：阿尔茨海默病及相关痴呆（ADRD）在美国死亡原因中排名第六，凸显了准确预测ADRD风险的重要性。尽管近期ADRD风险预测的进展主要依赖影像分析，但并非所有患者在ADRD诊断前都接受了医学影像检查。将机器学习与理赔数据相结合，可揭示额外的风险因素并阐明不同医疗代码之间的相互关联。目的：我们的目标是利用图神经网络（GNN）结合理赔数据进行ADRD风险预测。针对这些预测缺乏人类可解释依据的问题，我们引入一种创新方法来评估关系重要性及其对ADRD风险预测的影响，以确保全面解释。方法：我们采用变分正则化编码器-解码器图神经网络（VGNN）来估计ADRD可能性。我们构建了三种场景以评估模型效率，并使用随机森林和轻量梯度提升机作为基线。我们进一步使用我们的关系重要性方法来阐明ADRD风险预测的关键关系。结果：VGNN在受试者工作特征曲线下面积上超越其他基线模型10%。GNN模型与关系重要性解释的结合，可能在提供有助于或延缓ADRD进展的因素的宝贵见解方面发挥重要作用。结论：采用结合理赔数据的GNN方法增强了ADRD风险预测，并提供了关于互联医疗代码关系影响的见解。该方法不仅支持ADRD风险建模，也显示出利用理赔数据进行其他影像分析预测的潜力。
引用
@article{arxiv.2309.06584,
title = {Self-explainable Graph Neural Network for Alzheimer's Disease And Related Dementias Risk Prediction},
author = {Xinyue Hu and Zenan Sun and Yi Nian and Yichen Wang and Yifang Dang and Fang Li and Jingna Feng and Evan Yu and Cui Tao},
journal= {arXiv preprint arXiv:2309.06584},
year = {2024}
}