基于多维生物标志物的自动加权图结构学习方法,用于间接估算儿科参考区间

《Expert Systems with Applications》:Auto-weighted graph structure learning of multi-dimensional biomarkers for indirect estimation of pediatric reference intervals

【字体: 大 中 小 】 时间:2026年01月26日 来源:Expert Systems with Applications 7.5

编辑推荐:

  针对传统间接估计方法忽略多生物标志物协同效应的问题,本文提出AMGSL算法,通过自动加权机制和优化距离函数构建多维度生物标志物图结构,结合自监督学习提升目标分析物参考区间预测的准确性,实验验证其优于现有方法。

  
Jianguo Zheng|Yongqiang Tang|Yaguang Peng|Jun Zhao|Rui Chen|Mingda Li|Ruohua Yan|Wensheng Zhang|Xiaoxia Peng
中国科学院多模态人工智能系统国家重点实验室自动化研究所,北京,中国

摘要

在预测儿童参考区间任务中,间接估计方法越来越被视为直接采样的有前景的补充策略,它提供了一种在不给健康儿童带来直接数据收集全部负担的情况下收集见解的方法。然而,现有的间接估计方法仅依赖于单个分析物来预测其参考区间,忽略了其他生物标志物对预测任务的影响,从而降低了参考区间预测的准确性。在本文中,我们提出了一种自动加权的多维生物标志物图结构学习方法(AMGSL)用于深度聚类。为了使用多个生物标志物提高目标分析物参考区间预测的准确性,我们的算法通过设计一种权重学习机制来捕捉辅助生物标志物对目标分析物的影响,即使在缺乏生物标志物相关性信息的情况下也是如此。在图结构学习过程中,我们设计了一种距离函数,该函数将生物标志物之间的注意力权重和数据集大小作为内部变量,以计算样本之间的相似性。此外,我们提出了一种基于内部度量指标的超参数优化策略,以实现最佳模型性能。我们在来自临床数据集的五个数据子集上进行了广泛的实验;当将实验结果与现有算法的结果进行比较时,证明了所提出方法的优越性。此外,与医学专家知识的比较也验证了所提出的权重学习机制的有效性。

引言

为儿童建立生物标志物参考区间(RIs)——定义为健康指示性生物标志物的数值范围,其构建工作流程如图1(a)所示,不仅有助于临床医生快速评估患病儿童的健康状况(Poole, Schroeder, & Shah (2016); Pusparum, Ertaylan, & Thas (2022)),还有助于监测健康儿童在成长和发育过程中的生理状态(Poole et al. (2016); Pusparum et al. (2022); Rao (1990))。国际临床化学和实验室医学联合会(IFCC)和临床和实验室标准协会(CLSI)将RI定义为健康人群中某一分析物测量值的中间95%的分布范围(通常表示为:百分位数 P2.5?P97.5
为应对上述挑战,指南提出了CLSI EP28-A3 (2010); Ozarda et al. (2018):当直接方法建立RI的可行性受限时,可以利用临床实验室的实际数据(RWD),即包括门诊患者的实验室检测结果、健康人的体检结果和临床研究数据,并采用间接采样技术。通过无监督聚类和其他相关算法从大数据中“划分”出符合要求的参考人群组来建立RI。未来RI的建立应更多地依赖于间接方法,但迫切需要进一步改进基于RWD的参考组划分技术的准确性,以最小化错误分类参考个体带来的风险(Haeckel, Adeli, Jones, Sikaris, & Wosniok (2023))。
近年来,一些研究(Ammer, Schützenmeister, Rank, & Doyle (2023); Zhang et al. (2019); Zierk et al. (2021)专注于使用医疗机构实验室数据建立人群参考区间,这些研究集中在如何精确划分健康参考个体上,其输入输出逻辑在图1(b)中清晰地说明。这些方法以从常规实验室数据中识别出的样本的生物标志物值作为模型输入,并输出健康人群的生物标志物参考区间(Jones et al. (2018))。
实际上,在临床评估肝功能时(Lala, Zubair, & Minter (2022),临床医生通常可以共同分析各种生物标志物(如丙氨酸氨基转移酶(ALT)、天冬氨酸氨基转移酶(AST)、碱性磷酸酶(ALP)和血清胆红素)的升高水平,以确定损伤的来源。在这种临床背景下,这些不同生物标志物中观察到的变化可能存在一定程度的相关性。例如,ALT和AST的水平显著升高而ALP和胆红素没有升高可能表明肝细胞坏死。相反,ALP和胆红素相比ALT和AST的显著升高可能表明胆管阻塞。图2总结了现有方法和我们提出的方法在预测分析物参考区间方面的特点。如图2(a)所示,现有的间接方法(Ammer et al. (2021); Arzideh (2008); Arzideh, Brandhorst, Gurr, Hinsch, Hoff, Roggenbuck, Rothe, Schumann, Wolters, Wosniok, et al., 2009, Arzideh, Wosniok, Gurr, Hinsch, Schumann, Weinstock, & Haeckel; Arzideh, Wosniok, & Haeckel (2010); Bhattacharya (1967); Hoffmann (1963); Wosniok & Haeckel (2019)仅利用目标分析物的自身信息进行参考区间预测,但无法利用多个生物标志物的信息来进行目标分析物的参考区间预测。
基于深度学习的聚类范式(即深度聚类)(Han et al. (2019); Xie, Girshick, & Farhadi (2016)在处理由多个生物标志物组成的多维数据方面具有天然优势,这为我们改进间接方法的局限性提供了灵感。深度聚类(Peng, Feng, Zhou, Lei, & Yan (2020); Wang, Tan, Huang, Pan, & Tian (2020)由于其强大的非线性映射能力而引起了越来越多的兴趣。最近,提出了深度图聚类来利用样本的成对结构信息,相关工作包括Bo et al. (2020); Liu et al. (2022); Ochoa & Mustafa (2022); Tu et al. (2021)。然而,现有的深度图聚类方法在执行特征融合时仅关注多图级别或节点之间的特征(例如,调整不同图或视图之间的权重以增强跨视图一致性(Tang et al. (2023); Zhu et al. (2024))。如图2(b)所示,它们将所有生物标志物视为同等重要,用于预测参考区间,这忽略了在图构建过程中建模各个节点属性维度相关性的需求。实际上,各种生物标志物对目标分析物的影响差异很大。将它们同等对待可能会引入对目标分析物RI估计的偏差。为了解决这个问题,有必要过滤患者数据中的噪声信息,从而获得更精确和稳健的聚类结果。此外,现有的图聚类方法(Robert, Raguet, & Landrieu (2024); Xu et al. (2025)由于在无监督场景中缺乏标记信息,缺乏有效的评估指标来指导模型训练。这使得它们无法满足医学应用的严格要求,其中可靠性和可解释性至关重要。因此,设计特定于任务的内部指标来约束和保证模型输出的有效性是必要的。
因此,在本文中,我们提出了一种自动加权的多维生物标志物图结构学习(AMGSL)方法用于深度聚类。如图2(c)所示,我们的方法通过利用每个生物标志物的采样分布特征来计算不同生物标志物与目标分析物之间的相似性,从而构建出更全面和去噪的样本图结构。具体来说,我们认为生物标志物之间的相关性越高,它们各自的分布特征就越相似。基于这一假设,我们设计了一种基于注意力的表示学习机制,以目标分析物为指导,融合其他辅助生物标志物的分布密度。此外,我们还设计了一种自监督机制,以确保融合后的分布密度接近目标分析物的分布密度。在这个过程中,学习到的权重作为辅助生物标志物与目标分析物之间相关性的度量。在构建邻接矩阵时,为了增强图中节点之间的区别性和提高模型的泛化能力,我们进一步开发了一种改进的距离函数,该函数利用节点计数和分析物权重来更新节点之间的相似性。同时,我们配备了基于内部度量指标的距离函数超参数选择改进,以输出最佳的外部度量。模型收敛后,我们使用图自动编码器提取图结构信息,用于学习样本嵌入,这些嵌入在下游聚类任务中得到应用,从而实现目标分析物的儿童参考区间预测。
为了验证所提出方法的有效性,我们在从医院实验室信息系统(LIS)数据库中选择的三个分析物上进行了实验比较。在本文中,我们选择ALT、AST和GGT(Martinez-Sanchez et al. (2022)作为实验对象。此外,我们将学习到的生物标志物之间的相关性与医学临床专业知识进行比较,以证明算法的可解释性。本工作的贡献可以总结如下:
  • •
    我们提出了一种生物标志物引导的自适应权重学习机制。通过量化多维生物标志物与目标分析物之间的生理相关性,动态分配特征权重,解决了医学场景中特征维度之间的生理相关性问题。
  • •
    我们提出了一种适应医学的图结构优化方案。它结合了节点计数和生物标志物之间的权重以及基于健康人群高斯分布假设的内部度量,使得在无监督场景中能够进行自适应超参数选择。
  • •
    来自儿童医院临床数据集的五个数据子集(对应于三个分析物)的全面实验结果验证了所提出方法的竞争力。具体来说,我们的方法在15个实验子集中的13个子集中获得了前两名,其在泛化和准确性方面都优于现有方法。此外,学习到的分析物相关性与医学临床经验一致,证实了我们分析物权重学习策略的可解释性。
  • 相关工作

    相关工作

    本节回顾了与本文最相关的工作,包括间接估计技术和深度聚类。

    材料与方法

    本节将介绍数据来源、数据预处理和所提出的方法。

    实验

    本节对所提出的算法进行了全面的实验评估。首先描述了实验设置,然后展示了实验数据的原始分布。接下来,将我们的模型与已建立的基准方法进行了比较分析,特别关注各种间接估计技术在确定参考区间方面的差异。

    结论

    患者的多维生物标志物为目标分析物的参考区间预测提供了更多区分性信息。本文提出了一种基于图结构学习的深度聚类网络,专门针对多维生物标志物进行了优化。引入的分析物权重学习机制减少了与目标分析物无关的生成患者图中的噪声,增强了与目标分析物相关的信息。

    CRediT作者贡献声明

    Jianguo Zheng:概念化、方法论、软件、验证、形式分析、调查、写作——原始草稿、可视化。Yongqiang Tang:概念化、写作——审阅和编辑。Yaguang Peng:调查、数据管理、写作——审阅和编辑。Jun Zhao:资源。Rui Chen:概念化、写作——审阅和编辑。Mingda Li:写作——审阅和编辑。Ruohua Yan:数据管理。Wensheng Zhang:监督、项目管理、资金获取。

    利益冲突声明

    作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号