多发性硬化症患者身体功能预测的行为建模方法

预测多发性硬化症（MS）患者的身体功能可以为及时临床干预和准确的「日程规划」提供信息，从而改善其健康状况。然而，患者的身体功能通常在 infrequent 的临床随访之间未被检查，导致许多负面健康结果。现有的机器学习模型基于在临床环境之外（如在患者家中）收集的原位数据进行训练，可以预测哪些患者目前正在经历低身体功能，但无法预测患者的症状和行为何时会在未来负面影响其功能。本研究提出了一种计算行为模型，将MS的临床知识形式化，以提前预测患者的每日终末身体功能，支持及时干预。我们的模型在一系列定量验证实验中优于现有的机器学习基线。我们通过不同「假设」场景的定性视觉模型探索展示了我们的模型捕获了MS的临床知识。我们的工作 enables 了未来的行为感知界面，可提供及时的临床干预，并有助于「日程规划」和「活动调节」。