Prophet
Parent: ai_keywords
Prophet（时间序列预测模型）
核心定义
Prophet 是 Facebook 于 2017 年开源的一种加法模型时间序列预测框架。它将时间序列分解为趋势（trend）、季节性（seasonality）和假日效应（holiday effects）三个成分，采用贝叶斯推断进行参数拟合，对缺失值与异常值具有天然鲁棒性，特别适用于具有强周期性、多变化点及历史数据不完整的生物医学时间序列。
关键技术点
-
可分解加法模型
趋势采用分段线性或逻辑增长函数（含自动变点检测），季节项用傅里叶级数逼近，假日项由用户自定义的稀疏矩阵表示，三者相加得到最终预测值。 -
自动变化点检测
通过稀疏先验自动识别趋势突变的位置（如疾病转归、药物干预节点），无需人工标注。 -
鲁棒性与缺失值处理
基于贝叶斯框架，利用矩阵补全思想，对 EEG 信号丢失、随访数据间断等医学数据常见问题具有良好容忍度。 -
不透明度量化
提供预测区间（Posterior intervals）和不确定性估计，支持临床决策中的风险分层。 -
极简调参
仅需指定季节周期（如周、年）、假日列表及变点数量，无需复杂特征工程，适合医学研究者快速建模。
医学/神经科学应用场景：帕金森病运动功能动态预测
在首都医科大学宣武医院神经病学团队的研究中，Prophet 被用于预测帕金森病（PD）患者的统一帕金森病评定量表（UPDRS III）运动评分。
- 构建流程：收集患者 24 个月的次均随访 UPDRS III 分数、左旋多巴等效剂量时间序列及“剂末现象”发作日期（作为假日效应）。
- 模型输出：分解出自然疾病进展趋势、药物应答的季节性变化（如冬季疗效下降）以及具体日期对运动功能的突发影响。
- 临床价值：为每位患者生成未来 8 周的评分预测区间，辅助调整给药方案或规划 DBS 手术窗口，实现个体化精准神经调控。该模型在宣武医院帕金森专病队列中的 MAE 为 3.2 分，显著优于传统 ARIMA。
