归因 Cohen's d:常模年龄生物标志物中疾病相关效应的训练数据归因
Attributing Cohen's d: Training Data Attribution for Disease-Related Effects in Normative Age Biomarkers
预印本 · 尚未经过同行评审
常模年龄模型在名义健康队列上预测年龄,患者中预测年龄与实际年龄之差被读作疾病风险,但训练样本本身可能混入亚临床病例。作者为 Cohen's d 推导出闭式影响函数,并用留一重训练验证,在 UK Biobank 的四种疾病和两种生物标志物模态上按对病例对照分离的影响对训练样本排序。剔除影响最大的 10% 样本后,2 型糖尿病的代谢组年龄效应翻倍以上,多发性硬化的脑年龄效应提高约三分之一,而随机剔除即使达到 50% 效应量也基本不变。被标记但未被诊断排除的被试表现出模型未使用的心血管代谢指标升高,2 型糖尿病中恢复出的标志物为 HbA1c。作者发布了影响函数工具包 pyinfluence。
把年龄差效应量直接归因到单个训练样本,在 UK Biobank 四种疾病、两种生物标志物模态上验证,剔除影响最大的 10% 样本后效应量在每个随机种子下都上升。
规范年龄模型被训练用于在名义上健康的队列中预测实际年龄。在患者中,预测年龄与实际年龄之间的差距被解读为疾病风险。我们将年龄差距的疾病相关效应量直接归因于个体训练样本,而不是使用预测层面的损失作为归因目标。对于 Cohen's d 效应量,由此得到的闭式影响函数(经留一重训练验证)按训练样本对留出病例对照分离度的影响对其进行排序。在 UK Biobank 的四种疾病和两种生物标志物模态中,移除 10% 最具影响力的训练样本在每个随机种子下都提高了留出疾病相关效应量。它将 2 型糖尿病的代谢组年龄效应提高了一倍以上,并将多发性硬化的脑年龄效应提高了约三分之一。随机移除即使达到 50% 也保持效应量持平,证实增益来自移除哪些样本,而非移除多少。被标记但被基于诊断的排除所遗漏的受试者,表现出模型从未见过的升高的心脏代谢标志物,这与参考队列的亚临床污染一致。对于方法增益最大的 2 型糖尿病,所恢复的标志物是 HbA1c,即血糖控制的标准测量指标。我们发布了影响函数软件包 pyinfluence。
中文由 AI 翻译,仅供参考,以原文为准。
来源:arXiv · Quantitative Methods · arxiv.org