预测儿童急性淋巴细胞白血病幸存者晚期不良反应的机器学习策略
摘要：急性淋巴细胞白血病是最常见的儿科癌症。约有三分之二的幸存者在治疗后会发展出一种或多种健康并发症，被称为迟发不良反应。目前提供给患者的随访措施对所有儿童肿瘤幸存者都是标准化的，不一定适用于儿童急性淋巴细胞白血病幸存者。因此，迟发不良反应可能被低估，并且大多数情况下只有在出现后才会得到照顾。因此，有必要更早地预测这些与治疗相关的疾病，以预防并提高幸存者的健康状况。多项研究已经探索开发预测迟发不良反应的工具，以提供更好的个性化随访方法。然而，迄今为止还没有解决方案集成了神经网络的使用。在这项工作中，我们开发了基于图形的参数高效神经网络，并通过多个事后分析提高了其可解释性。我们首先提出了一种新的疾病特异性VO$_2$峰值预测模型，该模型不需要患者参与体能测试（如6分钟步行测试），然后使用儿童急性淋巴细胞白血病治疗结束后可获得的临床变量和基因组变量创建了一个肥胖预测模型。我们的解决方案在小型患者队列（$\leq$223）的两个任务上表现出比线性和基于树的模型更好的性能。
作者：Nicolas Raymond, Maxime Caru, Hakima Laribi, Mehdi Mitiche, Val''erie Marcil, Maja Krajinovic, Daniel Curnier, Daniel Sinnett, Martin Valli`eres
论文ID：2211.13188
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-12-02