[論文レビュー] An Innovative Imputation and Classification Approach for Accurate Disease Prediction

Yelipe UshaRani, P. Sammulal|arXiv (Cornell University)|Mar 10, 2016

Artificial Intelligence in Healthcare参考文献 7被引用数 4

ひとこと要約

本論文は、医療データセットにおける欠損値を処理するためにクラスタリングに基づく次元削減を活用する、新しい補完および分類フレームワークを提案する。補完の前に次元削減を行うことで、マルチラベルアプローチと比較してより高い精度の単一ラベル分類が可能となり、実世界の事例において分類性能が顕著に向上することを示している。

ABSTRACT

Imputation of missing attribute values in medical datasets for extracting hidden knowledge from medical datasets is an interesting research topic of interest which is very challenging. One cannot eliminate missing values in medical records. The reason may be because some tests may not been conducted as they are cost effective, values missed when conducting clinical trials, values may not have been recorded to name some of the reasons. Data mining researchers have been proposing various approaches to find and impute missing values to increase classification accuracies so that disease may be predicted accurately. In this paper, we propose a novel imputation approach for imputation of missing values and performing classification after fixing missing values. The approach is based on clustering concept and aims at dimensionality reduction of the records. The case study discussed shows that missing values can be fixed and imputed efficiently by achieving dimensionality reduction. The importance of proposed approach for classification is visible in the case study which assigns single class label in contrary to multi-label assignment if dimensionality reduction is not performed.

研究の動機と目的

• 医療データセットにおける属性値の欠損が正確な疾患予測を妨げるという課題に対処すること。
• 補完の前にデータの次元を削減することで分類精度を向上させること。
• 補完と分類を統合した包括的なフレームワークを構築し、予測性能を向上させること。
• 次元削減を適用した際、単一ラベルラベル付けがマルチラベル割り当てよりも優れていることを示すこと。
• 実世界の医療事例を用いて、分類指標の測定可能な向上を確認することで、手法の妥当性を検証すること。

提案手法

• 本手法は、類似した医療記録をグループ化するためのクラスタリング手法を用い、補完の前にデータセットの次元を削減する。
• 欠損値は、同じクラスタ内に属する類似インスタンスからのクラスタ固有の統計的措置を用いて補完する。
• 各クラスタ内の特徴を集約または要約することで次元削減を達成し、冗長性を最小限に抑える。
• 補完後、次元削減され、クリーニングされたデータセット上で単一ラベル分類モデルを学習し、疾患予後を予測する。
• 次元削減後に各記録が1つの主要なクラスにマッピングされるようにすることで、マルチラベル割り当てを回避する。
• フレームワークは実際の医療データセット上で評価され、従来の補完および分類パイプラインと性能を比較した。

実験結果

リサーチクエスチョン

• RQ1 クラスタリングに基づく次元削減は、欠損値を伴う医療データセットにおける補完の正確性を向上させることができるか？
• RQ2 次元削減は、疾患予測における単一ラベル分類とマルチラベル分類の選択にどのように影響するか？
• RQ3 クラスタリングを介した補完と分類の統合は、より優れた全体的な予測性能をもたらすか？
• RQ4 補完の品質は、臨床データセットにおける下流の分類精度にどのような影響を与えるか？
• RQ5 提案手法は、実世界の医療データにおいて、従来の補完および分類技術を上回ることができるか？

主な発見

• 提案手法は、補完品質の向上により、ベースライン手法と比較してより高い分類精度を達成した。
• 次元削減により、効果的な単一ラベルラベル付けが可能となり、曖昧さが軽減され、モデルの解釈性が向上した。
• 事例研究では、クラスタ内での補完がグローバル補完手法よりも一貫性があり信頼性の高い値推定をもたらしたことが示された。
• クラスタリングと補完の統合により、ノイズと冗長性が低減され、最終分類器の予測力が強化された。
• 次元削減を補完の前に行うと、マルチラベル分類よりも本手法が顕著に優れた性能を示した。
• 結果から、欠損を含む医療データセットにおける疾患予測を改善するため、補完の前処理としてクラスタリングを適用することは有効な戦略であると確認された。