从纵向血液数据重建疾病网络：用于因果发现与干预分析
其他定量生物学
2025-12-29 v2
摘要
我们探讨了超参数并引入了一种方法ological 框架，将血液测试结果的时间序列数据中的疾病模式转换为用于因果假设探索的相关图。网络代表可以进一步用于因果发现和因果分析（在干预下）。我们从医学指导和研究文献中提取常见血液标志物的典型疾病纵向模式，合成了 105 种典型疾病纵向模式，构建了系统化的管道将多维临床数据转化为可干预的疾病网络，以支持因果发现和因果分析。本研究表明，来自纵向数据的知识图模型可将常规医疗数据转化为临床可解释的结构。通过整合多种阈值策略和因果图设计，该框架旨在超越统计相关性，走向临床和可测试的推断网络。这些结果突显了在临床决策支持、AI 训练、精密医疗和预测医学中更透明、可解释和可扩展工具的实际路径，提供可解释、临床可操作的输出，支持更安全的差异诊断中使用 AI。
引用
@article{arxiv.2511.14817,
title = {Systematic Reconstruction of Disease Networks from Longitudinal Blood Data for Causal Discovery and Intervention Analysis},
author = {David Patrick Duys Montealegre and Alexander Fulton and Mahta Haghighat Ghahfarokhi and Abicumaran Uthamacumaran and Hector Zenil},
journal= {arXiv preprint arXiv:2511.14817},
year = {2025}
}
备注
15 pages