基于多变量纵向临床数据挖掘阿尔茨海默病风险因素的新方法

本研究针对阿尔茨海默病（AD）风险因素识别难题，提出一种基于时间模式挖掘的框架C-TPM，精准预测AD发病，为早期干预提供有力工具，成果发表于《BMC Bioinformatics》

　　随着全球老龄化加剧，阿尔茨海默病（Alzheimer's disease，AD）的发病率不断攀升，给社会和家庭带来沉重负担。AD是一种复杂的神经退行性疾病，其发病机制尚未完全明确，且缺乏有效的早期诊断和干预手段。目前临床数据多为多变量、纵向且异质性强的时间序列数据，包含大量不同时间间隔测量的变量，这使得传统机器学习方法难以有效应用。为了突破这一瓶颈，悉尼新南威尔士大学（UNSW Sydney）的研究团队开发了一种名为临床时间模式挖掘（Clinical Temporal Pattern Mining，C-TPM）的高效框架，专门针对真实世界临床数据的时间模式挖掘，旨在识别与AD发病相关的风险因素。

C-TPM框架结合了时间抽象、改进版的高效模式增长算法TPMiner、相对风险和比值比等概念，通过多进程技术提升计算效率，并提供了一套完整的离散化和数据解释的截断值。该框架被应用于悉尼记忆与老龄化研究（Sydney Memory and Ageing Study，MAS）和澳大利亚老年双胞胎研究（Older Australian Twin Study，OATS）的AD数据，发现的模式在生存分析模型中预测AD的Concordance指数高达0.87，且包含临床相关变量，可视化模块也清晰展示了发现的模式，便于临床医生解读。

研究团队首先对临床数据进行时间抽象，将异质性数据转化为高级视图以便比较。随后，基于改进的TPMiner算法挖掘高相对风险模式，并将识别的模式转换为二进制矩阵作为机器学习模型的输入。最终，通过可视化模块展示最具预测性的模式。该框架不仅适用于临床数据，还可推广至其他医学领域甚至非临床数据。

C-TPM框架的创新之处在于其独特结合了现有和扩展技术，包括时间抽象、改进的TPMiner算法、与临床数据相关的兴趣度量以及用于生存分析的机器学习技术。它通过降低最小支持度阈值来识别罕见但与疾病相关的模式，同时利用相对风险和比值比作为兴趣度量，减少无意义模式的产生。此外，C-TPM还引入了相对风险阈值以缩小搜索空间，并通过多进程技术提高计算效率。

在实验中，C-TPM在MAS和OATS数据集上表现出色，发现的模式数量可通过相对风险和最小支持度阈值有效控制。其执行时间显著优于以往方法，即使在发现超过60个模式时，平均执行时间也低于25秒。此外，基于C-TPM框架的机器学习生存分析模型在预测AD发病方面表现出色，其中XGBTree和Ridge模型在MAS数据集上表现最佳，而OATS数据集上XGBTree模型表现最为突出。

研究结果表明，C-TPM框架能够有效处理多变量纵向临床数据，识别出与AD发病相关的罕见模式，并通过可视化工具为临床医生提供易于理解的模式解读。这一成果不仅为AD的早期检测和干预提供了新的工具，也为其他复杂疾病的临床数据挖掘提供了可借鉴的方法。未来，研究团队计划进一步优化缺失值处理方法，并将该框架应用于更多疾病领域，以助力疾病的早期诊断和治疗。