📊 statistics

Continuous-Time Bayesian Networks with Structured Shrinkage Priors for Modelling Multimorbidity Trajectories in Large-Scale Electronic Health Records

本文提出了一种带有顺序依赖收缩先验的结构化贝叶斯连续时间网络框架，用于对大规模电子健康记录中的复杂共病轨迹进行建模，并通过模拟实验和 UK Biobank 数据证明，尖峰-平板先验能有效识别具有临床解释性的疾病聚类，同时控制伪发现。

原作者： Oyebayo R. Olaniran, Soumya S. Paria, Mizanur Khondoker, Alexander J. MacGregor, Alexandra Lewin

发布于 2026-07-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Oyebayo R. Olaniran, Soumya S. Paria, Mizanur Khondoker, Alexander J. MacGregor, Alexandra Lewin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

大局观：绘制疾病的“多米诺骨牌效应”图谱

想象一下，你的健康就像一个装满多米诺骨牌的房间。每一块骨牌代表一种不同的长期病症，比如糖尿病、高血压或哮喘。通常情况下，医生会逐一观察这些骨牌，或者仅仅观察在某一特定时刻哪些骨牌是并排站立的。

但本文认为，疾病更像是一种连锁反应。当一块骨牌倒下（你患上了一种疾病）时，它可能会在稍后撞倒另一块骨牌，或者让第三块骨牌倒下的可能性大大增加。这项研究的目标是构建一张地图，利用海量的患者数据，精确展示这些骨牌是如何随着时间的推移互相撞倒的。

问题所在：可能性太多，清晰度不足

研究人员希望利用 UK Biobank（一个包含 33,000 人健康记录的巨型数据库）的数据，来观察 10 种常见疾病是如何相互作用的。

问题在于，这些疾病相互作用的方式多到令人难以置信。

类比： 想象你在尝试猜测掷 10 个骰子游戏的结果。你必须弄清楚：掷第一个骰子得到“6”是否会让第二个骰子也掷出“6”的可能性增加；或者掷出第一个“6”和第二个“3”是否会让第三个骰子掷出“6”的可能性增加。
在医学术语中，这被称为“组合爆炸”。如果你试图计算每一种可能的疾病相互作用组合，数学计算将变得无法解决，并且你会得到太多的“假警报”（即误以为疾病之间存在联系，而实际上并无关联）。

解决方案：数学中的“智能过滤器”

为了解决这个问题，作者构建了一种新型统计模型，称为连续时间贝叶斯网络 (CTBN)。你可以把这个模型想象成一个超级聪明的侦探，它是在实时观察多米诺骨牌是如何倒下的，而不是每年只对房间拍一张快照。

然而，这位侦探需要帮助，以决定哪些连接是真实的，哪些只是随机的噪声。为此，团队测试了四种不同的“过滤器”（数学工具，称为先验分布），以观察哪一个最擅长寻找真实连接并忽略虚假连接。

他们测试了：

“尖峰-平板”过滤器 (Spike-and-Slab Filter)： 这就像一个严格的门卫。它有一个“尖峰”表示“零”（即这种连接不存在），以及一个“平板”表示“可能”（即这种连接是真实的）。它非常擅长做出果断的决策：“是的，这很重要”或者“不，这是噪声”。
其他三种过滤器 (LASSO, Horseshoe 等)： 这些更像是温柔的推力。它们试图缩小那些不太可能连接的重要性，但很少完全说“零”。它们擅长进行估算，但在决定是否包含某个连接的硬性决策方面表现较差。

实验： “训练健身房”

在观察真实患者之前，作者创建了一个模拟健身房（计算机模拟环境）。他们构建了一个拥有 5,000 名虚拟患者且已知关于“哪种疾病导致哪种疾病”之真相的虚构世界。然后，他们让这四种过滤器通过这个健身房进行测试，以观察哪一个能正确识别出真实的连接。

结果：

获胜者： “尖峰-平板” 过滤器是绝对的冠军。它是唯一一个能够准确区分真实的疾病连接与噪声的模型。它能以极少的错误找到正确的链接。
落选者： 其他三种过滤器在猜测连接的“强度”方面表现尚可，但在完成最重要的任务——决定哪些连接确实存在——方面失败了。它们几乎保留了所有的连接，使得最终的地图过于杂乱，无法使用。

现实世界的发现：两个“疾病邻里”

利用获胜的过滤器对真实的 UK Biobank 数据进行分析后，研究人员揭示了一幅清晰的疾病传播图谱。他们发现，这 10 种疾病并非形成一个混乱的网络，而是聚集成两个截然不同的**“邻里”**：

心血管代谢邻里 (The Cardiometable Neighborhood)： 这个群体包括糖尿病、高血压和心脏病。
- 发现： 这些疾病就像一个紧密的家庭。如果你患有糖尿病，会显著增加你患高血压的几率，进而增加你患心脏病的几率。模型显示，患有糖尿病的人患高血压的可能性是没患糖尿病者的两倍。
炎症邻里 (The Inflammatory Neighborhood)： 这个群体包括鼻炎（花粉热）、湿疹和慢性肺部疾病。
- 发现： 这些疾病也紧密相连。如果你有慢性肺部问题，你很有可能患上花粉热或湿疹，反之亦然。

“跨界交流”：
地图还显示，这两个“邻里”之间的交流很少。在“心脏/糖尿病”组和“肺/皮肤”组之间几乎没有桥梁。这表明心脏病的生物学原因与皮肤或肺部疾病的原因大不相同。

“双重麻烦”的转折

研究人员还观察了一个人同时患有两种疾病时会发生什么。

类比： 想象两个人正在推一扇沉重的门。你可能会预期他们推门的力气是单人推门的两倍。
发现： 模型发现，对于某些疾病组合，这种“推力”实际上小于两倍。这被称为亚乘性拮抗作用 (sub-multiplicative antagonism)。
例子： 如果一个人已经患有高血压和心脏病，那么加入糖尿病并不会像数学预期的那样增加第三种疾病的风险。看起来人体内的“风险路径”达到了饱和；一旦被前两种疾病造成了损伤，第三种疾病带来的额外风险并不会像简单的数学方程预测的那样显著增加。

总结

简单来说，这篇论文构建了一种更好的方法，用来阅读人群中疾病随时间传播的“故事”。

他们创建了一种新的数学模型，比旧方法能更好地处理时间和复杂性。
他们测试了四种不同的过滤噪声的方法，并发现 “尖峰-平板” 方法最为准确。
他们将此应用于真实数据，发现疾病倾向于聚集成两大类：心脏/代谢类 和 肺/皮肤类。
他们发现，虽然患有一种疾病会增加患另一种疾病的风险，但同时患有两种疾病并不总是产生“双倍”风险——由于人体系统的重叠，风险有时会低于预期。

这有助于医生理解，治疗患者不仅仅是修复一种疾病，而是要理解患者正站在哪块“多米诺骨牌”上，以及这块骨牌可能会如何撞倒下一块。

技术摘要：基于结构化收缩先验的连续时间贝叶斯网络，用于建模多病共存轨迹

问题陈述
多种长期疾病（MLTCs），或称多病共存（multimorbidity），是通过疾病之间复杂的、随时间变化的相互作用而产生的。现有的统计方法通常难以在一个统一的框架内同时对疾病进展、多病共存网络以及高维风险因素进行建模。横断面分析捕捉到了共现性，但忽略了时间动态；多状态模型在处理大量相互作用的疾病时扩展性较差；而基于网络的方法往往缺乏用于估计和不确定性量化的正式概率模型。此外，将连续时间贝叶斯网络（CTBNs）应用于高维电子健康记录（EHRs）面临两个特定挑战：由高阶疾病相互作用引起的参数组合爆炸问题，以及对具有校准不确定性的生物学可解释稀疏性的需求。

方法论
作者提出了一种专为纵向 EHR 数据设计的结构化贝进制 CTBN 框架。其核心方法组成部分包括：

模型结构： $M$ 种炎症性疾病的共同进展被建模为一个多元随机过程，其中每种疾病都演化为一个有限状态的连续时间马尔可夫过程。该模型假设慢性病具有吸收态（仅发病，无缓解）。疾病的瞬时发病率（转移强度）取决于其“父级”疾病的当前状态和外生协变量，并通过对数线性参数化进行建模。这允许对主效应和成对协同效应进行建模。
似然函数公式化： 推导出的 CTBN 似然函数被证明等价于带有对数偏移项的泊松广义线性模型（GLM），其中暴露量为处于风险状态的时间。这种跨疾病的因子分解使得即使在疾病数量适中的情况下，也能进行计算上可行的估计。
结构化收缩先验： 为了应对相互作用参数的组合增长，作者在 CTBN 似限函数中嵌入了四种按阶排列的收缩先验。这些先验对高阶相互作用项的惩罚比对主效应的惩罚更强，遵循了复杂多疾病协同作用是稀疏的这一层级原则。比较的四种先验包括：
- 层级结构化（HS）正态分布： 一种尺度混合分布，产生具有阶序特定方差的 Student-t 边际分布。
- 贝叶斯 LASSO： 一种具有阶序相关速率的双指数边际分布。
- 正则化马蹄先验（Regularised Horseshoe）： 一种具有阶序惩罚全局尺度的全局-局部先验。
- 尖峰-平板（Spike-and-Slab）先验： 一种两成分混合分布（弥散平板 vs. 集中尖峰），具有阶序特定的包含概率。
变量选择： 对于尖峰-平板先验，推导出了解析的后验包含概率（PIPs）。对于连续收缩先验（HS、LASSO、Horseshoe），由于它们不产生显式的 PIPs，作者基于后验收缩因子构建了“伪 PIPs”，以便在所有方法之间实现变量选择性能的公平比较。

主要贡献
本文做出了四个主要的 metodological 贡献：

统一框架： 它将四种不同的阶序依赖收缩先验嵌入到一个统一的 CTBN 似然函数中，明确编码了复杂协同路径是稀疏的这一生物学预期。
比较选择度量： 它为尖峰-平板先验和连续先验推导了 PIPs 及伪 PIPs，使所有四种方法都能在变量选择和网络恢复方面处于统一的基准之下。
校准模拟： 通过广泛的模拟研究，在不同数据生成场景和模型规范（欠指定、正确指定和过度指定）下，隔离并测试了参数恢复、变量选择和预测行为。
实证应用： 将该框架应用于英国生物样本库（UK Biobank）的一级护理记录，对十种常见疾病的进展进行建模，恢复了稀疏且具有解释性的疾病网络。

结果

模拟发现： 在多种场景下，尖峰-平板先验在网络恢复、变量选择准确性和假阳性控制方面表现最佳。在正确指定的条件下，它在主效应方面的真阳性率（TPR）达到 76–82%，相互作用方面的 TPR 约为 ~72%，而假阳性率（FPR）低至 ~1–4%。相比之下，三种连续收缩先验（HS、LASSO、正则化马蹄）在 0.5 的标准阈值下未能实现“硬”变量选择，几乎宣布所有系数均为活跃（TPR $\approx$ FPR $\approx$ 100%），且选择 AUC 较低（68–71%）。
预测性能： 四种先验在不同分析模型中的预测准确性（泊松对数似然和 Brier 分数）几乎相同，这证实了当目标是估计而非结构恢复时，预测性能对先验设定是稳健的。
实证应用（UK Biobank）： 应用推荐的尖峰-平板模型（ $P=2, \theta=1$ $P = 2, θ = 1$ ）对 33,558 名参与者进行分析，发现了两个主要的疾病模块：
- 一个以糖尿病（DM）、高血压疾病（HTN）和缺血性心脏病（IHD）为中心的心血管代谢集群，其特征是存在密集的双向依赖关系（例如，DM $\to$ HTN 的率比为 2.13）。
- 一个连接鼻炎/鼻窦炎（RS）、皮炎/湿疹（DE）和慢性下呼吸道疾病（CLRD）的炎症集群。
- 模型识别出了三元组中的亚乘性拮抗作用（例如，{RS, DM} $\to$ HTN），表明联合暴露产生的累积风险低于各边缘暴露之和，这与重叠的生物学通路一致。
- 协变量分析确认年龄是最强的预测因子，特定的炎症标志物（如 GlycA, WBC）和生活方式因素（吸烟、BMI）显示出疾病特异性的关联。

意义与主张
本文声称，所提出的结构化贝进制 CTBN 框架成功解决了高维参数空间和多病共存建模中对可解释稀疏性的需求这两个挑战。作者断言，尖峰-平板先验是学习网络结构的优选方案，它在参数恢复、假阳性控制和不确定性校准之间取得了最佳平衡；而连续先验则更适用于以纯预测为目标的任务，此时结构恢复并非主要目标。

在 UK Biobank 数据上的应用展示了该框架恢复具有临床合理性的、有向疾病依赖网络的能力，这些网络量化了疾病进展负担和高阶相互作用。作者指出，虽然研究结果符合既有的临床知识（如心血管代谢集群），但模型的动态性和方向性特征提供了关于疾病级联的时间顺序和量级的新见解，这是横断面分析无法捕捉到的。研究结论认为，将该框架扩展到完整的 60 种 InflAIM 疾病集，代表了在人群规模疾病网络建模方面的重大进展，具有在风险分层和精准医学领域的潜在转化意义。