AESurv:自编码器生存分析用于准确预测冠心病的早期预测
Yike Shen1,2, Arce Domingo-Relloso3,4,5, Allison Kupsco2
1Department of Earth and Environmental Sciences, University of Texas at Arlington, 500 Yates Street, Arlington, TX, 76019, USA.
我们开发了AESurv,这是一个使用DNA甲基化和临床数据进行准确冠心病 (CHD) 预测的深度学习模型. 这种先进的模型有助于早期干预心血管疾病风险的策略.
科学领域:
- 生物医学信息学 生物医学信息学
- 心血管疾病研究研究
- 基因组学和表观遗传学
背景情况:
- 冠心病 (CHD) 是美国的主要死亡原因.
- 早期预测心血管疾病对于有效干预至关重要.
- 高维数据,包括DNA甲基化,为改善风险预测提供了潜力.
研究的目的:
- 开发和验证一种新的深度学习模型,用于预测冠心病的时间到事件.
- 将高维的DNA甲基化数据与临床风险因素相结合,以提高预测准确度.
- 将拟议模型的性能与现有的生存分析方法进行比较.
主要方法:
- 开发了一个深度学习自编码器生存分析模型 (AESurv).
- 利用高维的血液DNA甲基化特征和传统的临床风险因素.
- 将该模型应用于两个前性队列研究:强心研究 (SHS) 和妇女健康倡议 (WHI).
主要成果:
- AESurv有效地学习了参与者的低维表示.
- 与其他模型相比,在SHS队列中实现了优异的预测性能 (C指数:0.864 ± 0.009,AUROC:0.905 ± 0.009).
- 在WHI队列中验证了优异的表现,证明了可概括性.
结论:
- 该AESurv模型提供了准确的时间到事件的CHD预测.
- 将DNA甲基化数据与临床因素相结合,提高了预测能力.
- AESurv可以帮助医疗保健专业人员和患者制定心脏病早期干预策略.
更多相关视频
10:03Coronary Progenitor Cells and Soluble Biomarkers in Cardiovascular Prognosis after Coronary Angioplasty
Published on: January 28, 2020
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
相关概念视频
Censoring Survival Data
Coronary Artery Disease I: Introduction
Cancer Survival Analysis
Coronary Artery Disease V: Surgical Management
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Acute Coronary Syndrome III: Diagnostic studies
