[論文レビュー] Declarative Sequential Pattern Mining of Care Pathways

Thomas Guyet, André Happe+1 more|arXiv (Cornell University)|Jul 26, 2017

Logic, Reasoning, and Knowledge参考文献 4被引用数 16

ひとこと要約

本論文は、医療・行政データベースから臨床的に意味のある重複のないケアパスを抽出するため、答え集合プログラミング（ASP）を用いた宣言的で順序付きパターンマイニングフレームワークを提案する。時間的・意味的制約（例：ケースクロスオーバー設計、薬物切り替えパターン）をエンコードすることで、希少だが重要なパターン（例：てんかん発作の前におけるジェネリック薬からブランド薬へのAED切り替え）を高い正確性で同定し、4,359のパターンを30秒未塔でわずか32にまで削減する。

ABSTRACT

Sequential pattern mining algorithms are widely used to explore care pathways database, but they generate a deluge of patterns, mostly redundant or useless. Clinicians need tools to express complex mining queries in order to generate less but more significant patterns. These algorithms are not versatile enough to answer complex clinician queries. This article proposes to apply a declarative pattern mining approach based on Answer Set Programming paradigm. It is exemplified by a pharmaco-epidemiological study investigating the possible association between hospitalization for seizure and antiepileptic drug switch from a french medico-administrative database.

研究の動機と目的

• 従来の順序付きパターンマイニングがケアパス分析において生じる過剰で重複的かつ臨床的に無関係なパターンの問題に対処すること。
• 臨床医が豊富なデータ前処理を要せず、縦断的患者データに関する複雑で意味的豊かなクエリを表現できるようにすること。
• 論理的フレームワーク上でケースクロスオーバー研究設計を直接モデル化することで、薬物疫学における仮説生成を支援すること。
• 臨床知識（例：薬剤分類体系、ICD-10コード）をパターンマイニングに統合し、意味的関連性を向上させること。
• リスク窓で頻度が高く、コントロール窓に存在しないパターンに焦点を当てることで、計算的および認知的負荷を低減すること。

提案手法

• パターンマイニングタスクを論理的規則による定義によって宣言的に定義するため、答え集合プログラミング（ASP）を論理的パラダイムとして使用し、手続き的アルゴリズムのコーディングを回避する。
• 患者のケアパスを論理的事実としてエンコードする：deliv(P, T, CIP, Q) は薬物投与を、disease(P, T, D) は診断を表し、時間的制約を含む。
• 1人の患者ごとに2つのシーケンスを生成する：初回発作の3か月前（陽性）と3か月から6か月前（陰性）の期間を対象とし、時間的境界と firstseizure(P, T) をトリガーとして使用する。
• 関数的リテラルを用いてパターンを定義する：seq(P, T, deliv(AED, Gr, G)) はATCコード、専門性ID、およびジェネリック／ブランド状態を伴う薬物投与を表す。
• ASP規則による制約を適用する：頻度閾値20、負の窓でのパターン除外（discr(T) および neg_support(T) を介して）、および正確に1回の切り替え（change(X) および count制約により）。
• clingo をASPソルバとして使用し、有効で制約付きのパターンを表す答え集合を計算することで、効率的かつスケーラブルな推論を実現する。

実験結果

リサーチクエスチョン

• RQ1 ASPのような宣言的論理プログラミングアプローチは、ケアパスにおける複雑で臨床的に意味のある順序付きパターンを効果的にモデル化できるか？
• RQ2 時間的および意味的制約（例：薬物切り替え、ICD-10コード、ATC分類）をどのようにエンコードすることで、希少だが重要なパターンに焦点を当てたマイニングが可能になるか？
• RQ3 従来の順序付きパターンマイニングアルゴリズムと比較して、ASPベースのマイニングは無関係なパターンの数をどの程度削減できるか？
• RQ4 各患者を自身のコントロールとして使用することで、ケースクロスオーバー研究設計を自然に表現できるか？
• RQ5 大規模な医療・行政データベースからの制約付きパターン抽出において、このアプローチの効率性はどの程度か？

主な発見

• ASPベースのフレームワークにより、標準的な順序付きパターンマイニングで抽出された4,359のパターンが、わずか32にまで削減され、パターンの関連性が顕著に向上した。
• ソルバは30秒未満ですべての有効なパターンを抽出した。複雑な制約が存在する中でも、高い計算効率を示した。
• 代表的なパターンとして、⟨(N03AG01,438,1),(N03AG01,438,1),(N03AX14,1023,0),(N03AX14,1023,0)⟩ が同定された。これは、3か月以内にCIP 438（ジェネリックのバルプロ酸）からCIP 1023（ブランドのレヴェチラセタム）への切り替えを示している。
• この特定のパターンは、リスク窓で20人以上の患者に観察されたが、コントロール窓では観察されず、発作発症と関連する可能性を示唆している。
• フレームワークは、複雑な制約（頻度 ≥20、コントロール窓での不在、正確に1回の薬物切り替え：ジェネリックからブランド、またはその逆）を効果的にエンコードおよび強制した。
• このアプローチにより、臨床医はデータの前処理を大幅に省略して、治療シーケンスに関する新たな仮説を迅速に探索・検証でき、臨床的仮説生成を促進する。