3、生物医学数据科学与预测分析相关内容解析

生物医学数据科学与预测分析相关内容解析

1. 驱动性问题及挑战示例

1.1 阿尔茨海默病

• 研究问题 ：
  • 确定观察到的临床表型与预期行为之间的关系。
  • 根据成像数据和临床评估，预测未来3 - 12个月的认知衰退（使用基于模型和无模型的机器学习预测方法）。
  • 利用多源数据进行协调和聚合，对受试者进行聚类分类并解释结果。
• 数据来源 ：ADNI档案，包含临床数据（人口统计学、临床评估、认知评估）、成像数据（sMRI、fMRI、DTI、PiB/FDG PET）、遗传学数据（Illumina SNP基因分型）、化学生物标志物（实验室测试、蛋白质组学）。

1.2 帕金森病

• 研究问题 ：
  • 利用所有可用数据（有无统一帕金森病评定量表（UPDRS）临床评估）预测患者的临床诊断。
  • 计算衍生的神经影像学和遗传学生物标志物，用于模拟疾病进展并提供自动化临床决策支持。
  • 为数值和分类响应生成决策树，为特定临床表型建议适当的治疗方案。
• 数据来源 ：PPMI档案，包含人口统计学信息（年龄、病史、性别）、临床数据（身体、语言学习和语言、神经和嗅觉测试、生命体征、MDS - UPDRS评分、日常生活活动、蒙特利尔认知评估、老年抑