[論文レビュー] A Large-scale Multimodal Study for Predicting Mortality Risk Using Minimal and Low Parameter Models and Separable Risk Assessment

Alvaro Ulloa, Marios S. Pattichis+6 more|arXiv (Cornell University)|Jan 23, 2019

Machine Learning in Healthcare参考文献 32被引用数 7

ひとこと要約

本論文は、臨床データ、心エコー画像由来の指標（EDM）、および生の心エコー動画フレームを含むマルチモーダル電子的健康記録（EHR）データを用いて、1年間の死亡リスクを予測する画期的な解釈可能なニューラルネットワークモデルを提案する。特徴レベルでの解釈可能性を備えた分離可能で非線形なモデリングを可能にすることで、モデルは全モダリティでAUC = 0.82を達成し、XGBoost やランダムフォレストといった非解釈可能なモデルと同等の性能を示した。同時に、個々の要因と死亡リスクとの間の臨床的に意味のある非線形関係を明らかにした。

ABSTRACT

The majority of biomedical studies use limited datasets that may not generalize over large heterogeneous datasets that have been collected over several decades. The current paper develops and validates several multimodal models that can predict 1-year mortality based on a massive clinical dataset. Our focus on predicting 1-year mortality can provide a sense of urgency to the patients. Using the largest dataset of its kind, the paper considers the development and validation of multimodal models based on 25,137,015 videos associated with 699,822 echocardiography studies from 316,125 patients, and 2,922,990 8-lead electrocardiogram (ECG) traces from 631,353 patients. Our models allow us to assess the contribution of individual factors and modalities to the overall risk. Our approach allows us to develop extremely low-parameter models that use optimized feature selection based on feature importance. Based on available clinical information, we construct a family of models that are made available in the DISIML package. Overall, performance ranges from an AUC of 0.72 with just ten parameters to an AUC of 0.89 with under 105k for the full multimodal model. The proposed approach represents a modular neural network framework that can provide insights into global risk trends and guide therapies for reducing mortality risk.

研究の動機と目的

• 臨床データ、心エコー画像由来の指標（EDM）、および生の動画フレームを含むマルチモーダルEHRデータを用いて、1年間の死亡リスクを予測する解釈可能な機械学習モデルの開発を目的とする。
• 従来の線形モデルや非解釈可能なディープラーニングの限界を克服し、他の要因が一定であると仮定した上で、各個々の要因が全体のリスクにどのように寄与しているかを可視化することを目的とする。
• 解釈可能なモデリングが、高い予測性能（AUC ≈ 0.82）を維持しつつ、患者の特徴と死亡リスクとの間の臨床的に関連性のある非線形関係を明らかにできることを示すことを目的とする。
• GDPRなどの規制要件を満たすために、リスク予測の透明性と特徴レベルでの説明を提供することで、臨床的・規制的要請に応えることを目的とする。
• これまで解釈可能性が欠如していた、医療画像や動画など複雑で多様なEHRモダリティにまで、解釈可能なモデリングを拡張することを目的とする。

提案手法

• 本モデルは、各モダリティ（臨床データ、EDM、生動画）および個々の特徴からの寄与を独立して分解する分離可能で非線形なフレームワークを採用しており、特徴レベルでの解釈可能性を実現する。
• 解釈の曖昧さを解消し、特徴寄与度マッピングの明確さを向上させるために、非負性制約を適用する。
• 心エコー動画からの特徴抽出にはディープラーニング（例：畳み込み層）を活用し、それらを統合的で解釈可能なアーキテクチャに統合して、テーブル形式のEHR特徴と統合する。
• 非線形で加法的な構造を用いることで、他のすべての入力を一定に保った状態で、各入力要因が予測リスクに与える限界的効果を可視化することで、解釈性を達成する。
• 勾配ベースおよび活性化ベースの可視化技術を組み合わせることで、変化する個々の特徴（例：射出分数、体積）が予測された死亡リスクのオッズにどのように影響するかをマッピングする。
• 性能評価は、臨床データのみ（CD）、CD + EDM、CD + EDM + 生動画の複数のモデルバージョンにおけるAUCを用い、XGBoost やランダムフォレストと比較する。

実験結果

リサーチクエスチョン

• RQ1 マルチモーダルで解釈可能なニューラルネットワークモデルは、XGBoost やランダムフォレストといった非解釈可能なモデルと同等の性能で1年間の死亡リスクを予測できるか？
• RQ2 本モデルは、他の要因が一定であると仮定した上で、臨床的および画像由来の各要因が全体の死亡リスクに与える個々の寄与度を可視化できるか？
• RQ3 生の心エコー動画データの追加が、臨床的および導出指標を上回る予測性能の向上をもたらすか？
• RQ4 本フレームワークを用いることで、重要な臨床的特徴（例：射出分数、収縮末期体積）と死亡リスクとの間の非線形関係が正確かつ解釈可能に捉えられるか？
• RQ5 本モデルは、極めて低い射出分数（EF ≤10%）および極めて高い射出分数（EF ≥85%）の両方でリスクが上昇するといった、臨床的に妥当な傾向を明らかにでき、臨床的意思決定を支援できるか？

主な発見

• 解釈可能なマルチモーダルモデルは、全モダリティ（CD+EDM+動画）で平均AUC 0.82を達成し、XGBoost やランダムフォレストといった非解釈可能なモデルと同等の性能を示した。
• 臨床データのみ（AUC = 0.78）からCD+EDM（AUC = 0.82）に移行することで、有意なAUC上昇が確認され、EDMが予測性能を向上させることを示した。
• CD+EDMとCD+EDM+生動画のモデル間で有意なAUC差は認められず、この設定下では生動画データがEDMを上回る性能向上をもたらさなかった。
• 本モデルは、非線形で臨床的に妥当な傾向を効果的に可視化した。例えば、射出分数にU字型のリスク曲線が観察され、EF ≤10% および EF ≥85% でリスクがピークに達した。また、左室収縮末期体積が高くなるにつれてリスクが単調に上昇する傾向も明らかにした。
• 本モデルは、高射出分数（≥85%）が56%のリスク上昇と関連していることを明らかにした。これは、過動的状態や僧上性逆流、濃厚性肥厚など、病態的状態を示唆する可能性がある。
• 従来の非線形モデルでは不可能だった特徴レベルでの解釈可能性を実現し、他の要因を一定に保った状態で各要因がリスクに与える限界的効果を、臨床家が理解できる形で提供した。