SUBIC：一种面向精准医疗的监督式双聚类方法
机器学习
2018-01-29 v1 机器学习
摘要
传统医学通常对所有患者群体采用一刀切的治疗方案，而精准医学则为不同的患者亚群制定量身定制的治疗方案。某些因素可能对特定患者亚群更为重要，这一事实促使临床医生和医学研究人员开发新的亚群检测与分析方法，这是实现个性化治疗的有效策略。在本研究中，我们提出了一种新颖的患者亚群检测方法，称为监督式双聚类（SUBIC），该方法使用凸优化，并将其应用于检测一个弱势人口亚群（非裔美国人）中的高血压（HTN）患者亚群并确定风险因素的优先级。我们的方法不仅在有临床相关目标变量指导的情况下找到患者亚群，还通过追求输入变量的稀疏性并鼓励输入变量之间以及输入变量与目标变量之间的相似性来识别和排序风险因素。
引用
@article{arxiv.1709.09929,
title = {SUBIC: A Supervised Bi-Clustering Approach for Precision Medicine},
author = {Milad Zafar Nezhad and Dongxiao Zhu and Najibesadat Sadati and Kai Yang and Phillip Levy},
journal= {arXiv preprint arXiv:1709.09929},
year = {2018}
}