与真实世界数据的因果AI:他类药物是否可以预防阿尔茨海默病的发病?
Mattia Prosperi1, Marco Salemi2, Shantanu Ghosh1
1Department of Epidemiology, University of Florida.
使用电子健康记录评估了因果AI方法对他类药物的使用和阿尔茨海默病风险. 结果表明一种潜在的保护作用,但由于估计的差异,需要进一步研究.
科学领域:
- 因果推断的原因推断是因果推断.
- 机器学习是机器学习.
- 生物统计学 生物统计学
背景情况:
- 因果人工智能 (AI) 旨在建立具有偏见的干预模型,但由于偏见,从电子健康记录 (EHR) 等观察数据中学习是困难的.
- 传统的方法,如倾向得分匹配,在复杂的数据集和特定偏差方面存在局限性,例如碰撞器偏差.
研究的目的:
- 评估因果统计和机器学习方法,以确定他类药物治疗对阿尔茨海默病风险的影响.
- 引入和评估一种新的方法,将定向非循环图 (DAG) 学习和通用调整标准 (GAC) 结合起来,以减轻碰撞器偏差.
主要方法:
- 利用了来自OneFlorida EHR联盟的数据.
- 使用并比较各种因果方法:DAG/GAC,倾向得分匹配,反向概率加权,虚拟双胞胎/反事实随机森林和深度反事实网络.
- 专注于确定治疗效果估计的最佳共变量集,特别是解决碰撞器偏差.
主要成果:
- 在不同因果模型的效果估计中显示出显著的异质性.
- 根据DAG/GAC的方法,得出了与最大可信度一致的点估计,这表明他类药物的潜在保护作用.
- 95%的可信度区间包括零效应,表明不确定性和需要进一步调查.
结论:
- 因果AI方法有希望,但在复杂的EHR数据上应用时产生异质的结果.
- 该研究并没有最终证实或驳斥他类药物对阿尔茨海默病风险的保护作用.
- 需要进一步的研究和复制来澄清他类药物使用与阿尔茨海默病风险之间的关系.
更多相关视频
09:45Motor and Hippocampal Dependent Spatial Learning and Reference Memory Assessment in a Transgenic Rat Model of Alzheimer's Disease with Stroke
Published on: March 22, 2016
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
相关概念视频
Alzheimer's Disease: Treatment
Alzheimer's Disease: Overview
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ...
Atherosclerosis III: Management
Coronary Artery Disease IV: Preventive Measures
Coronary Artery Disease I: Introduction
Cognitive Enhancers: Cholinesterase Inhibitors and NMDA Receptor Antagonists
