貝葉斯元學習模型預測阿茲海默症進程

研究論文提出一種貝葉斯元學習方法，用於預測阿茲海默症的疾病進程。論文指出，傳統統計模型和單任務神經網絡在預測個體疾病評分分佈時存在局限性，因為每個個體的觀察數據有限，且忽略個體間的相關性。元學習提供了一種動態預測的方式，無需重新訓練模型。該研究提出的貝葉斯元學習器在多個個體上進行訓練，但能根據每個個體的歷史數據定制預測，並在預測長期疾病評分時表現出更低的過度自信。在阿茲海默症神經影像倡議（ADNI）的實際數據上，模型性能與單任務模型和確定性元學習器相當，但在長期疾病進程預測上顯著改善。這項研究為個性化醫療提供了新的工具，有望幫助臨床醫生更好地預測和治療阿茲海默症。