基于计算智能的个人评分、风险分层和常见血液标志物的免疫年龄特征化方法
摘要：基于距离度量和封闭学习算法，我们引入了一族指标，用于检测血液测试结果中快速、小型（精确）和个性化的变化。与其他统计或机器学习方法中的指标相比，这些指标具有可完全解释的优势。该度量形式为一个定量的测量或分数，将一组数字血液测试结果的数据聚合和压缩为一个单一的数值，从而实现快速分级、排序和免疫年龄评估。该分数的主要目的是从人群和个性化参考值中学习、监测和快速评估差异。我们通过真实和合成数据以及来自CDC NHANES调查跨越13年的经验性血液细胞计数数据，展示了该分数的有效性，从2003年至2016年。我们发现，该分数能够有效区分健康个体和患有疾病的个体，无论是自我报告还是异常血液测试结果表现，从而为患者分级提供入门级分数。我们展示了该分数随时间变化，并与生物年龄相关联，从而定义了免疫年龄作为该关系的倒数函数，仅基于CBC测试结果的不同分析物篮，为其与个性化精准医学和个体化预测性保健的潜在相关性提供临床证据。
作者：Hector Zenil, Francisco Hern''andez-Quiroz, Santiago Hern''andez-Orozco, Abicumaran Uthamacumaran and Kourosh Saeb-Parsy
论文ID：2303.01444
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-03-03