English(EN) A Temporal Machine Learning-Based Time-to-Event Model for Predicting ALS Progression and Healthcare Utilization

机器学习模型预测肌萎缩侧索硬化症进展和医疗需求

作者 PulseAugur 编辑部 · [2 个来源] · 2026-07-15 16:11

研究人员开发了一种新颖的时间序列机器学习模型，旨在预测肌萎缩侧索硬化症（ALS）的进展和相关的医疗服务需求。该框架整合了纵向患者数据，包括功能评定量表轨迹，以创建个体化的生存曲线并预测轮椅使用等里程碑事件。该模型旨在提供一个可扩展、可解释且临床可操作的工具，用于ALS护理中的个性化决策支持。 AI

影响该模型可以加强ALS患者的个性化护理规划和临床试验分层。

排序理由该集群包含一篇学术论文，详细介绍了一种用于特定医学预测任务的新型机器学习模型。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv stat.ML TIER_1 English(EN) · Zongliang Yue, Qi Li, Terry Heiman-Patterson, Frank Bearoff, Zhaohui Qin, Huanmei Wu · 2026-07-17 04:00

一种基于时间序列机器学习的时间到事件模型，用于预测肌萎缩侧索硬化症进展和医疗保健利用率

arXiv:2607.14190v1 Announce Type: cross Abstract: Amyotrophic lateral sclerosis (ALS) is a progressive and heterogeneous neurodegenerative disease in which predicting clinically meaningful milestones, such as assistive device use, remains challenging. We developed a time-to-event…
arXiv stat.ML TIER_1 English(EN) · Huanmei Wu · 2026-07-15 16:11

一种基于时间序列机器学习的事件发生时间模型，用于预测肌萎缩侧索硬化症进展和医疗保健利用率

Amyotrophic lateral sclerosis (ALS) is a progressive and heterogeneous neurodegenerative disease in which predicting clinically meaningful milestones, such as assistive device use, remains challenging. We developed a time-to-event, digital-twin-inspired framework that integrates …