PLTR

阿尔茨海默氏病的认知生物标志物优先级...

摘要背景：认知评估是诊断阿尔茨海默氏病（AD）的最常见临床常规。鉴于大量的认知评估工具和时间限制的办公室访问，确定针对不同受试者的适当认知测试非常重要。大多数当前的研究都为目标人群创建了认知测试选择指南，但并未针对每个主题定制它们。在本手稿中，我们开发了一个机器学习范式，可以优先考虑个性化认知评估。方法：我们适应了新开发的学习对方法PLTR来实现我们的范式。此方法学习了将最有效的认知评估推向优先列表的顶部的潜在评分函数。我们还扩展了PLTR，以更好地分开最有效的认知评估和效率较小的评估。结果：我们对ADNI数据的实证研究表明，所提出的范式在识别和优先考虑个人特异性认知生物标志物方面的最新基准都优于最新的基准。我们在交叉验证和升级验证设置中进行实验。在这两种设置中，我们的范式在优先级的认知特征方面显着优于最佳基线，分别提高了22.1％和19.7％。结论：拟议的范式在优先考虑认知生物标志物方面取得了出色的表现。优先在顶部优先考虑的齿轮生物标志物具有促进个性化诊断，疾病亚型以及最终在AD中精确医学的巨大潜力。关键词：阿尔茨海默氏病，学习排名，生物信息学，机器学习