[論文レビュー] Clustering Higher Order Data: An Application to Pediatric Multi-variable Longitudinal Data

Peter A. Tait, Paul D. McNicholas+1 more|arXiv (Cornell University)|Jul 19, 2019

Tensor decomposition and applications参考文献 63被引用数 5

ひとこと要約

本論文は、D > 2の高次元多次元配列（テンソル）のクラスタリングのための有限混合モデルを提案する。具体的には、小児縦断研究からの4次元加速度計データに適用している。多線形正規分布を用いてモデルベースクラスタリングを多次元配列へと拡張することで、身体活動における複雑な時間的および多変量パターンの同時分析が可能となり、慢性炎症性疾患を有する小児において、固有の活動プロファイルを示す明確なサブグループが同定された。

ABSTRACT

Physical activity levels are an important predictor of cardiovascular health and increasingly being measured by sensors, like accelerometers. Accelerometers produce rich multivariate data that can inform important clinical decisions related to individual patients and public health. The CHAMPION study, a study of youth with chronic inflammatory conditions, aims to determine the links between heart health, inflammation, physical activity, and fitness. The accelerometer data from CHAMPION is represented as 4-dimensional arrays, and a finite mixture of multidimensional arrays model is developed for clustering. The use of model-based clustering for multidimensional arrays has thus far been limited to two-dimensional arrays, i.e., matrices or order-two tensors, and the work in this paper can also be seen as an approach for clustering D-dimensional arrays for D > 2 or, in other words, for clustering order-D tensors.

研究の動機と目的

• D > 2の多次元配列（テンソル）データのモデルベースクラスタリング手法を開発すること。従来の行列ベースのクラスタリングを越えて展開すること。
• 縦断的健康研究、特に複雑な多変量身体活動パターンを示す小児集団において、高次元データのクラスタリングのための統計的手法の不足に対処すること。
• 加速度計データにおける複数の時間スケール（秒、分、時）における平均トレンドと変動を同時にモデル化すること。
• 統一された統計モデルを用いて、特徴的な身体活動プロファイルを示す均質な小児サブグループを同定すること。
• 身体活動と心血管健康アウトカムの関連を統合的に分析できる低次元の要約変数を提供することで、臨床意思決定を支援すること。

提案手法

• 本手法は、多次元配列（MDA）の有限混合モデルを採用し、各成分が連続的かつ高次元データをモデル化する多線形正規分布（MLND）に従う。
• 分布のパラメータは、MDAの各モード（次元）ごとに1つずつ定義された共分散行列の集合を用いてパrameter化され、すべてのモードにおける柔軟な依存構造を可能にする。
• パラメータ推定にはEMアルゴリズムを用い、多線形構造に対応するため、行列微分積分法を用いてQ関数を導出する。
• 主な構成要素として、モードごとの共分散行列Δg,dと次元圧縮を可能にする変換行列Tg,1を用い、多線形構造をモデル化する。
• スコア関数をQ関数から導出し、反復的に成分の重み、平均配列、およびモードごとの共分散行列を更新する。
• 本手法は、4次元データ（例：被験者 × 時間 × 活動強度 × 測定ウィンドウ）のクラスタリングを可能にし、複雑な縦断的パターンの統合的分析を実現する。

実験結果

リサーチクエスチョン

• RQ1 有限混合モデルによる多次元配列（D > 2）のクラスタリングは、縦断的健康研究において効果的か？
• RQ2 多線形正規分布を用いることで、小児の加速度計データにおける複雑で多変量的かつ多スケールの身体活動パターンをどのようにモデル化できるか？
• RQ3 慢性炎症性疾患を有する小児における身体活動プロファイルはどのように異なり、健康対照群と比較してどのような差が認められるか？
• RQ4 提案されたモデルは、加速度計データにおいて複数の時間スケール（例：秒、分、時）における平均トレンドと変動を同時に捉えることができるか？
• RQ5 従来の行列ベースのクラスタリングと比較して、モデルベースクラスタリングアプローチは、臨床的に意味のあるサブグループの同定をどのように改善するか？

主な発見

• 提案された多次元配列の有限混合モデルは、CHAMPION研究からの4次元加速度計データを生物学的に意味のあるサブグループに効果的にクラスタリングした。各サブグループは明確な身体活動プロファイルを示した。
• 本モデルは、1つの統計的枠組み内で複数の時間スケール（秒、分、時）における平均トレンドとばらつきを同時に捉えることができ、活動パターンのより豊かな解釈を可能にした。
• 本手法は、慢性炎症性疾患を有する小児においても、低・中・高活動レベルを示す顕著に異なる身体活動行動を示すサブグループを同定した。
• 多線形正規分布の使用により、すべてのデータ次元における複雑な依存構造を柔軟にモデル化でき、行列ベースの代替手法よりもクラスタリング精度が向上した。
• EMアルゴリズムは信頼性高く収束し、Q関数から導出されたスコア関数により、高次元配列に対する効率的なパラメータ推定が可能となった。
• 本手法は、身体活動と心血管健康アウトカムの関連を統合的に分析するための低次元のクラスターラベルを提供し、後続の統計的モデルへの応用が可能となった。