[論文レビュー] Alternating Decision trees for early diagnosis of dengue fever

M. Naresh Kumar|arXiv (Cornell University)|May 31, 2013

Mosquito-borne diseases and control参考文献 16被引用数 10

ひとこと要約

本研究では、基本的な臨床的および血液検査所見を用いて早期で正確なデングー熱の診断を可能にするため、ブースティングを組み合わせた交互決定木（ADTree）を提案する。この手法は分類精度89%、F-measure 0.873、AUC 0.826を達成し、C4.5（78%の精度、AUC 0.617）を上回った。これは、低リソース環境におけるデングー熱監視の可能性を示している。

ABSTRACT

Dengue fever is a flu-like illness spread by the bite of an infected mosquito which is fast emerging as a major health problem. Timely and cost effective diagnosis using clinical and laboratory features would reduce the mortality rates besides providing better grounds for clinical management and disease surveillance. We wish to develop a robust and effective decision tree based approach for predicting dengue disease. Our analysis is based on the clinical characteristics and laboratory measurements of the diseased individuals. We have developed and trained an alternating decision tree with boosting and compared its performance with C4.5 algorithm for dengue disease diagnosis. Of the 65 patient records a diagnosis establishes that 53 individuals have been confirmed to have dengue fever. An alternating decision tree based algorithm was able to differentiate the dengue fever using the clinical and laboratory data with number of correctly classified instances as 89%, F-measure of 0.86 and receiver operator characteristics (ROC) of 0.826 as compared to C4.5 having correctly classified instances as 78%,h F-measure of 0.738 and ROC of 0.617 respectively. Alternating decision tree based approach with boosting has been able to predict dengue fever with a higher degree of accuracy than C4.5 based decision tree using simple clinical and laboratory features. Further analysis on larger data sets is required to improve the sensitivity and specificity of the alternating decision trees.

研究の動機と目的

• 日常的に入手可能な臨床的および血液検査所見を用いて、強固で解釈可能な決定木モデルを早期デングー熱診断に開発すること。
• 初期デングー熱段階に現れない症状に依存する現在のWHO分類基準の限界を解消すること。
• C4.5のような従来の決定木と比較して、診断の正確性を向上させ、誤検出を低減すること。
• 高度な血液検査が利用できない低リソース環境において、費用対効果の高い早期スクリーニングを可能にすること。
• ブースティングが決定木モデルの予測性能を向上させる有効性を検証すること。

提案手法

• 弱い予測ルールを統合して強力なアンサンブル分類器を形成するため、AdaBoostを用いた交互決定木（ADTree）を適用した。
• 過学習を防ぐために、10分割交差検証を用いてモデルの性能を評価した。
• 連続変数の前処理として、欠損値には平均値を代入した。IgMおよびIgGは欠損率が40%を超えたため除外した。
• 分類精度を向上させるために、脈拍変数を「低（L）」および「高（H）」の2カテゴリに離散化した。
• 有意な特徴量の選択には、多項ロジスティック回帰（Wald検定）とカイ二乗検定を用いた。
• Weka 3.6.1を用いてモデルを学習および評価し、混同行列、F-measure、受信者操作特性曲線（ROC）を用いて性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 基本的な臨床的および血液検査所見を用いて、ブースティングを組み合わせた交互決定木（ADTree）は、C4.5のような従来の決定木と比較して、早期デングー熱診断の正確性を向上させることができるか？
• RQ2 統計的および機械学習的手法を用いて分析した場合、どの臨床的および血液検査所見がデングー熱の予測に最も有用か？
• RQ3 脈拍変数の離散化は、ADTreeモデルの分類性能にどのように影響するか？
• RQ4 ADTreeモデルは、C4.5と比較して、早期デングー熱検出において誤診断をどの程度低減できるか？
• RQ5 n=65の限られたデータで学習したモデルは、より大きなデータセットで学習したモデルと同等の性能を達成できるか？

主な発見

• 脈拍変数の離散化を経て、ADTreeモデルは89%の分類精度を達成し、C4.5の78%を著しく上回った。
• ADTreeはF-measure（0.873）と受信者操作特性曲線下積（AUC 0.826）をC4.5のF-measure（0.738）とAUC（0.617）よりも高い水準で示した。
• ADTreeは53例のデングー陽性例をすべて正しく分類した（100%の真正陽性率）、一方C4.5は3例を見逃したため、感度が優れていた。
• ADTreeの偽陽性率は58.3%であったのに対し、C4.5は91.6%であったため、非デングー症例における特異度がより優れていた。
• 限られたデータ（n=65）でも、ADTreeモデルの性能は安定しており、感度89.2%、特異度52.4%を示した。
• 脈拍変数の離散化は、ADTreeの精度向上に重要な要因であり、臨床的機械学習モデルにおける特徴工学の重要性を浮き彫りにした。