糖尿病照护中用于风险画像的多种并发症同步建模
机器学习
2019-04-03 v1 人工智能
机器学习
摘要
2 型糖尿病（T2DM）是一种常导致多种并发症的慢性疾病。对 T2DM 并发症的风险预测与画像，对于医疗专业人员在糖尿病照护中为患者设计个性化治疗方案以改善预后至关重要。本文中，我们基于纵向患者记录研究初始 T2DM 诊断后发生并发症的风险。我们提出一种新颖的多任务学习方法来同步建模多种并发症，其中每个任务对应于一种并发症的风险建模。具体地，所提方法策略性地捕捉了以下关系：（1）多种 T2DM 并发症风险之间的关系，（2）不同风险因素之间的关系，以及（3）风险因素选择模式之间的关系。该方法使用系数收缩从高维数据中识别有信息的风险因素子集，并使用层次贝叶斯框架将领域知识作为先验纳入。所提方法利于医疗应用，因为除提升预测性能外，还识别了不同风险与风险因素间的关系。在大型电子医疗理赔数据库上的广泛实验结果表明，所提方法以显著优势超越 SOTA 模型。此外，我们表明所学得的风险关联与识别出的风险因素可带来有意义的临床洞察。
引用
@article{arxiv.1802.06476,
title = {Simultaneous Modeling of Multiple Complications for Risk Profiling in Diabetes Care},
author = {Bin Liu and Ying Li and Soumya Ghosh and Zhaonan Sun and Kenney Ng and Jianying Hu},
journal= {arXiv preprint arXiv:1802.06476},
year = {2019}
}