玫瑰有刺：通过可视分析和序贯规则挖掘理解肿瘤治疗的不利之处
摘要：个性化的头颈癌治疗显著提高了患者的存活率，但常常导致研究不足的长期症状，影响生活质量。顺序规则挖掘（SRM）是一种有前途的无监督机器学习方法，用于预测时间数据中的纵向模式。然而，SRM可能输出许多重复的模式，如果没有可视分析的帮助，就难以解释。我们与头颈癌症状研究中的SRM模型构建者合作开发了一种数据驱动的人机分析可视系统，有助于在大规模、多变量队列症状数据中发现机制知识。我们的系统通过SRM、聚类和聚合后端以及自定义前端支持基于治疗期间症状的治疗后症状的多变量预测建模，并在治疗决策的背景下解释结果预测，以典型的个性化护理交付。我们与一组跨学科的模型师和头颈肿瘤学研究人员评估了所得模型和系统。结果表明，我们的系统有效支持临床和症状研究。
作者：Carla Floricel, Andrew Wentzel, Abdallah Mohamed, C.David Fuller, Guadalupe Canahuate, and G. Elisabeta Marai
论文ID：2308.07895
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-16