[論文レビュー] Clustering Patients with Tensor Decomposition

Matteo Ruffini, Ricard Gavaldà+1 more|arXiv (Cornell University)|Aug 29, 2017

Tensor decomposition and applications参考文献 17被引用数 7

ひとこと要約

本稿では、距離尺度に依存せずに独立したベルヌーイ分布の混合モデルのパラメータを推定するスペクトル的手法を用いて、高次元バイナリ電子的医療記録（EHR）のクラスタリングを目的とするテンソル分解ベースの手法を提案する。この手法は、実際のEHRデータセットにおいて臨床的に意味のある安定したクラスタを達成し、手動による特徴工学を必要としない非教師あり患者フェノタイピングにおいて、頑健性と解釈可能性を示している。

ABSTRACT

In this paper we present a method for the unsupervised clustering of high-dimensional binary data, with a special focus on electronic healthcare records. We present a robust and efficient heuristic to face this problem using tensor decomposition. We present the reasons why this approach is preferable for tasks such as clustering patient records, to more commonly used distance-based methods. We run the algorithm on two datasets of healthcare records, obtaining clinically meaningful results.

研究の動機と目的

• 非専門家向けの医療管理者が利用可能な、高次元バイナリEHRデータに適した効率的で自律的なクラスタリング手法の開発を目的とする。
• 高次元的でスパースかつカテゴリカルなEHRデータにおいて、距離に基づくクラスタリングの限界を克服することを目的とする。
• 手動によるチューニングや複雑な前処理を回避することで、リアルタイムかつインタラクティブな患者集団の探索を可能にすることを目的とする。
• 従来のクラスタリング手法に対する、安定的で解釈可能かつスケーラブルな代替手法を提供することを目的とする。
• 本手法の実世界のEHRデータセットにおける実用性を示し、臨床的に関連性のあるクラスタ解釈を提供することを目的とする。

提案手法

• 本手法は、診断コードの条件付き独立性を仮定して、EHRデータを独立したベルヌーイ分布の混合モデルとしてモデル化する。
• 診断特徴間の相関を捉えるために、実測データから構築された高次元モーメントテンソル（3次）を用いる。
• モーメント法によるテンソル分解を適用し、EMのような反復的最適化に依存せずに、潜在的な混合パラメータを回復する。
• 従来の手法と比較して計算複雑性を低減するため、3次モーメントテンソルを効率的に計算するためのロバストなヒューリスティックを提案する。
• 分解により、各患者を最も類似するクラスタに割り当てる、k個のクラスターセンタ（フェノタイププロファイル）が得られる。
• 本手法は、最小限のハイパーパrameterチューニングでスケーラブルで安定しており、インタラクティブ利用に適している。

実験結果

リサーチクエスチョン

• RQ1 距離尺度に依存せずに、高次元バイナリEHRデータを3次モーメントのテンソル分解によって効果的にクラスタリングできるか？
• RQ2 本手法は、実際のEHRデータにおいて、従来の距離ベースクラスタリングと比較して、安定性と解釈可能性に優れているか？
• RQ3 追加の臨床的特徴を用いずに、生の診断コードのみから、臨床的に意味のある患者フェノタイプを同定できるか？
• RQ4 本手法は、一部の診断が希少な場合の不均衡またはスパースなEHRデータにおいても性能を維持できるか？
• RQ5 非専門家である医療管理者が、リアルタイムでの集団探索に本手法をインタラクティブに利用できるか？

主な発見

• 本手法は、両データセットで調整ランダムインデックス（Adjusted Rand Index）が0.9を超えた。これは、サブサンプル間で高い安定性を示しており、頑健性を確認した。
• Tertiarismデータセットでは、心疾患、腫瘍学的、腎疾患患者の明確なプロファイルを示す6つの臨床的に解釈可能なクラスタが同定された。
• クラスタ4は、疾患頻度図では低頻度であったが、悪性腫瘍が優勢であった。これは、診断多様性に隠されたパターンを同定できる能力を示している。
• 本手法は、糖尿病性腎症（クラスタ3）や心筋梗塞後心疾患（クラスタ1および2）といった、既知の臨床的パターンを効果的に同定した。
• 臨床医は、結果が事前の仮定に依存せず、患者集団の新鮮で偏りのない視覚的把握を提供したと報告した。
• 距離尺度が信頼性を失う高次元的かつスパースなEHR環境において、本手法は従来の距離ベース手法を上回る性能を示した。