要約
疾患進行モデルは、個人レベルの健康軌道を予測し、疾患動態を理解するために重要な役割を果たしています。既存のモデルは、患者の予後を正確に予測するか、疾患の病理生理学を臨床的に解釈可能な形で表現するかのいずれかが可能ですが、両方を同時に達成することは困難です。本論文では、疾患進行のフェーズドアテンション状態空間（PASS）モデルを開発します。これは、深層確率モデルであり、疾患進行の複雑な表現を捉えつつ、臨床的な解釈可能性を維持します。PASSモデルは、マルコフ状態空間モデルとは異なり、「記憶のある」状態遷移を誘導するためにアテンションメカニズムを使用します。このメカニズムにより、繰り返し更新されるアテンションウェイトが過去の状態実現の中で将来の状態を最適に予測するものを焦点化します。これにより、生成されたアテンションウェイトを通じて解釈可能な複雑かつ非定常的な状態動態が生じます。アテンションウェイトは個々の患者における実現された状態変数間の関係を指定します。PASSモデルは、パラメータ化された振動によって制御される時間ゲートを持つフェーズドLSTMユニットを使用して連続時間でのアテンションウェイトを生成します。これにより、不規則にサンプリングされたり欠損している可能性のある医療観察データも処理できます。実際の患者コホートデータに対する実験結果から、PASSモデルは精度と解釈可能性のバランスを取りながら成功裏に機能することが示されました。具体的には、優れた予測精度を示し、疾患進行に関する洞察的な個人レベルの表現を学習しました。