[論文レビュー] Do not forget interaction: Predicting fatality of COVID-19 patients using logistic regression

Feng Zhou, Tao Chen+1 more|arXiv (Cornell University)|Jun 30, 2020

COVID-19 Clinical Research Studies参考文献 9被引用数 12

ひとこと要約

本研究では、乳酸デヒドロナーゼ（LDH）、リンパ球割合、および高感度C反応性タンパク質（hs-CRP）という3つの主要な血液バイオマーカーとその相互作用を用いた説明可能なロジスティック回帰モデルを提案し、COVID-19患者の死亡を予測する。このモデルは93.92%の正確性を達成し、閾値確率0.8で平均して死亡を11.30日前に予測可能であり、早期の臨床的介入と最適なリソース配分を可能にする。

ABSTRACT

Amid the ongoing COVID-19 pandemic, whether COVID-19 patients with high risks can be recovered or not depends, to a large extent, on how early they will be treated appropriately before irreversible consequences are caused to the patients by the virus. In this research, we reported an explainable, intuitive, and accurate machine learning model based on logistic regression to predict the fatality rate of COVID-19 patients using only three important blood biomarkers, including lactic dehydrogenase, lymphocyte (%) and high-sensitivity C-reactive protein, and their interactions. We found that when the fatality probability produced by the logistic regression model was over 0.8, the model had the optimal performance in that it was able to predict patient fatalities more than 11.30 days on average with maximally 34.91 days in advance, an accumulative f1-score of 93.76% and and an accumulative accuracy score of 93.92%. Such a model can be used to identify COVID-19 patients with high risks with three blood biomarkers and help the medical systems around the world plan critical medical resources amid this pandemic.

研究の動機と目的

• COVID-19患者の死亡を正確に、説明可能で直感的な機械学習モデルを開発すること。
• 従来の二値意思決定モデルを改善し、yes/noの結果ではなく確率的死亡予測を提供すること。
• 予測性能を向上させるために、主要バイオマーカー間の相互作用効果を組み込むこと。
• 3つの日常的に行われる血液バイオマーカーのみを用いて、高リスク患者の早期同定を可能にすること。
• パンデミック期における臨床的意思決定を支援し、重要な医療リソースの最適配分を実現すること。

提案手法

• 主な予測変数としてLDH、リンパ球（％）、hs-CRPを用い、段階的ロジスティック回帰モデルを適合させた。
• 調整済み決定係数とp値に基づき、第二順位の交互作用項（LDH:リンパ球およびLDH:hs-CRP）を体系的に含めるかどうかを評価した。
• モデルの頑健性と一般化可能性を確保するため、100ラウンドにわたる5分割交差検証を実施した。
• 最終モデルでは、500個の交差検証モデルからの中央値係数を用いて、安定した予測を生成した。
• 予測の前倒し日数を評価するため、複数日先の予測を実施した。
• 外部テストセット（110例）を用いて、未知のデータにおけるモデルの性能を検証した。

実験結果

リサーチクエスチョン

• RQ1 バイオマーカー間の相互作用を組み込んだロジスティック回帰モデルは、相互作用を含まないモデルと比較して、COVID-19患者の死亡予測正確性を向上させることができるか？
• RQ2 死亡予測の最適な閾値確率は何か？ これは、早期警告期間と性能指標を最大化する。
• RQ3 このモデルは、臨床症状発現または死亡発生よりも何日早く患者の予後を予測できるか？ また、平均リードタイムはどのくらいか？
• RQ4 LDH、リンパ球、hs-CRP間の交互作用項の導入は、主効果のみのモデルと比較して、モデル性能を顕著に向上させるか？
• RQ5 このモデルは、臨床的に解釈可能で、行動可能な死亡確率を提供し、リソース計画を支援できるか？

主な発見

• 閾値確率0.8で死亡を予測した場合、累積正確度は93.92%、累積F1スコアは93.76%を達成した。
• 平均して、モデルは患者の死亡を11.30日前に予測可能であり、最大リードタイムは34.91日であった。
• 外部テストセット（110例）では、平均して12.76日前に死亡を予測し、正確度96.47%、F1スコア95.73%を達成した。
• LDH:リンパ球およびLDH:hs-CRPの交互作用項の導入により、モデル性能が顕著に向上し、調整済みR² = 0.797を示した。
• このモデルは、平均リードタイムおよび累積F1スコア・正確度の両面で、以前の意思決定木モデルを上回った。
• 閾値確率0.8が最適と特定され、これ以上の確率では患者の死亡が高信頼性で予測された。