【摘要】：具有不同特征的患者在臨床治療效果方面具有顯著的異質(zhì)性,個性化醫(yī)療旨在根據(jù)患者特征給個體患者提供準(zhǔn)確的治療方案。因此,個性化醫(yī)療成為了臨床和干預(yù)科學(xué)家越來越重視的研究課題。傳統(tǒng)的方法通過估計條件期望結(jié)果來找到最優(yōu)治療分配準(zhǔn)則。這類方法通過多重檢驗策略[82]或者是通過預(yù)測的方法[33],嘗試將主效應(yīng)與交互效應(yīng)區(qū)分開。最近出現(xiàn)的結(jié)果加權(quán)學(xué)習(xí)方法繞過對協(xié)變量與治療方案交互效應(yīng)的估計,通過最大化期望臨床結(jié)果直接尋找最優(yōu)分配準(zhǔn)則[94,96]。然而,幾乎所有現(xiàn)有的結(jié)果加權(quán)學(xué)習(xí)方法都只針對兩種治療方案的情況,而且這類方法并不能直接拓展到多種治療方案的情況。本文的主要目的是在三種或更多種治療方案并存的情況下,解決最優(yōu)分配準(zhǔn)則估計問題,并研究其理論性質(zhì)和經(jīng)驗性質(zhì),主要工作如下:最優(yōu)分配準(zhǔn)則的估計涉及0-1損失,該損失由于不連續(xù)性和非凸性難以求解最大化問題。在僅有兩種治療方案選擇的情況下,0-1損失可以由一個凸替代損失代替——折葉損失。在多種治療方案并存的情況下,我們采用了在多類別支持向量機[54]中使用的一種向量化折葉損失,并證明了解釋向量化折葉損失有效性的Fisher一致性。同時,我們利用再生核希爾伯特空間(RKHS)的技巧[54],將計算困難的原始最小化問題轉(zhuǎn)化為滿足一些等式和不等式約束的二次規(guī)劃問題,這類二次規(guī)劃問題可以通過現(xiàn)有的軟件包輕松實現(xiàn)。另一個重要的理論問題是,隨著訓(xùn)練數(shù)據(jù)集的樣本量增加到無窮大,關(guān)于RKHS中解的風(fēng)險能否收斂到未知的最優(yōu)分配準(zhǔn)則的風(fēng)險,這一性質(zhì)被稱為風(fēng)險一致性。我們首先建立了向量化折葉損失下的超額風(fēng)險與期望臨床結(jié)果下的超額風(fēng)險之間的關(guān)系。利用這個關(guān)系,我們證明了所提出的最優(yōu)分配準(zhǔn)則估計具有風(fēng)險一致性。所有現(xiàn)有的方法都局限于損失相等的情況,即誤分類代價是相等的。在現(xiàn)實世界中,我們經(jīng)常能夠遇到不相等損失的情況,特別是在醫(yī)療應(yīng)用中。因此,我們開發(fā)了一個大框架,將結(jié)果加權(quán)學(xué)習(xí)方法擴展到不相等損失的情況下,并且使用了向量化折葉損失下的不相等損失函數(shù)建立了Fisher 一致性和風(fēng)險一致性。另外,通過引入結(jié)構(gòu)化多類別支持向量機來進一步增強最優(yōu)分配準(zhǔn)則估計的解釋性,識別出重要的預(yù)測變量。我們在原先風(fēng)險函數(shù)的基礎(chǔ)上,在泛函子空間的權(quán)重之和上額外增加了一個k懲罰項,這促使了最終解的稀疏性。同時,我們給出了簡單易操作的一步更新過程來求解最終的最優(yōu)分配準(zhǔn)則估計。隨著技術(shù)的進步,現(xiàn)代可以測量到的協(xié)變量數(shù)量非常大,然而實際上與臨床結(jié)果相關(guān)的協(xié)變量數(shù)量通常又很小,這表明在構(gòu)建最優(yōu)分配準(zhǔn)則的過程中協(xié)變量選擇或維度降低的必要性。因此提出一種自適應(yīng)協(xié)變量篩選過程,可以在不同的治療方案下分別進行協(xié)變量篩選或維度降低過程。如果協(xié)變量篩選或維度降低過程能夠保持一致性,那么我們提出的方法仍然是風(fēng)險一致的。除了理論推導(dǎo)之外,我們還進行了許多模擬以評估所提出方法在低維協(xié)變量和高維協(xié)變量情況下的表現(xiàn)。我們將所提出的方法與其他兩種方法進行比較,一對多比較方法和加權(quán)分類方法。通過模擬可以發(fā)現(xiàn),我們所提出方法的表現(xiàn)不論從誤判率或超額風(fēng)險而言都更好,而且在某些情況下有很大程度的改善。在高維協(xié)變量的情況下,當(dāng)樣本量比較大的時候,我們所提出方法與Oracle方法性能接近。最后,我們將所提出的方法應(yīng)用于具有四種干預(yù)措施的癌癥行為研究的實際數(shù)據(jù)集。我們定義了 一種相對治療效應(yīng)來衡量分配準(zhǔn)則的效果,并使用了 m-out-of-n bootstrap方法來構(gòu)建相對治療效應(yīng)的置信區(qū)間。結(jié)果表明,使用我們提出的方法構(gòu)建最優(yōu)分配準(zhǔn)則估計的確有所獲益。本文的結(jié)論和方法豐富了最優(yōu)分配準(zhǔn)則的估計方法,將有助于分析生物統(tǒng)計應(yīng)用領(lǐng)域中個性化醫(yī)療上遇到的復(fù)雜多變的問題。
【圖文】：

思路是建．立墨于０Ｋ的模型詳細參見Ｍｏｏｄｉｅ磁ａＬ邋［３：］，Ｑｉａｉｖａｉｉｄ邋Ｍｕｒｐｈｙ邋［邋］，邋Ｒｏｂｉｎｓ逡逑［］。假定條件期望結(jié)果五（Ｆ｜Ａ，Ｚ）滿足某參數(shù)或半?yún)?shù)j型，然后通過最小化預(yù)測誤逡逑差來估計參數(shù)，，從而得到相應(yīng)的分配準(zhǔn)則，如圖２－１所示《該方法最大的不足在于并不逡逑是宣接從最大化期望結(jié)果出發(fā)，而是采用了一種間接的方式；而且如果假定的|廡筒誨義獻既罰岫宰鈧戰(zhàn)峁艽笥跋�。\耍冢瑁幔睿玨澹澹翦澹幔歟穡荽臃擲嗟慕嵌瘸齜�，通过辶x獻畬蠡跂喚峁粗苯友罷易鈑歐峙渥莢頡ｅ義希ǎ澹喂蘭棋巫鈑佩義希皺危簀危牛ǎ伲埽粒兀╁畏峙渥莢蟈義顯げ馕蟛鑠巫螅ǎ罰桑粒剩板義賢跡玻被毓檳Ｐ托鈑歐峙渥莢蜆蘭品椒ㄥ義銜頤塹模殺曄鞘褂霉鄄獾降氖輕�，�

本文編號：2684561