[論文レビュー] Evaluation of Machine Learning Methods to Predict Coronary Artery Disease Using Metabolomic Data

Henrietta Forssen, Riyaz Patel+5 more|arXiv (Cornell University)|Feb 28, 2017

Metabolomics and Mass Spectrometry Studies被引用数 9

ひとこと要約

本研究では、メタボロミクスデータを用いた虚血性心疾患（CAD）予測のため、従来の回帰手法と比較して教師あり機械学習手法——特にL1正則化回帰とランダムフォレスト分類器——を評価している。結果として、機械学習モデル、特にランダムフォレストが、複雑な代謝物相互作用をよりよく捉えることができ、大規模な臨床メタボロミクスデータセットにおいて、より高い予測精度と頑健性を示した。

ABSTRACT

Metabolomic data can potentially enable accurate, non-invasive and low-cost prediction of coronary artery disease. Regression-based analytical approaches however might fail to fully account for interactions between metabolites, rely on a priori selected input features and thus might suffer from poorer accuracy. Supervised machine learning methods can potentially be used in order to fully exploit the dimensionality and richness of the data. In this paper, we systematically implement and evaluate a set of supervised learning methods (L1 regression, random forest classifier) and compare them to traditional regression-based approaches for disease prediction using metabolomic data.

研究の動機と目的

• 従来の回帰手法と比較して、メタボロミクスデータを用いた虚血性心疾患の予測精度を向上させることができるか、機械学習手法が有効であるかを評価すること。
• L1正則化回帰やランダムフォレスト分類器を含む、多様な教師あり学習アルゴリズムの性能を、高次元のメタボロミクスデータ処理において評価すること。
• 従来の回帰モデルが見逃す可能性がある非線形相互作用や代謝物間の複雑な関係を、機械学習モデルがより効果的に捉えられるかを検証すること。
• メタボロミクスを用いた心臓病の臨床的リスク予測における、機械学習アプローチの体系的ベンチマークを提供すること。

提案手法

• 本研究では、臨床コhortから得た大規模なメタボロミクスデータセットを用いて、複数の教師あり機械学習モデルの学習と検証を実施している。
• 高次元のメタボロミクスデータにおける過学習を軽減し、特徴量選択を実現するため、L1正則化回帰（Lasso）が用いられている。
• 代謝物間の複雑で非線形な相互作用をモデル化するために、特徴量間の関係に関する事前仮定を必要としないランダムフォレスト分類器が適用されている。
• 性能評価には、受信者操作特性曲線下積分（AUC）、感度、特異度、およびキャリブレーション統計量といった標準指標が用いられている。
• モデルの妥当性と一般化能力を確保するため、交差検証を用いてモデルを学習およびテストしている。
• 予測性能の向上を明確に評価するため、結果を直接的に従来のロジスティック回帰モデルと比較している。

実験結果

リサーチクエスチョン

• RQ1 メタボロミクスデータを用いた場合、機械学習手法は従来の回帰モデルと比較して、虚血性心疾患の予測精度を向上させることができるか？
• RQ2 L1正則化回帰やランダムフォレストといった異なる機械学習アルゴリズムは、CAD予測における代謝物の複雑な相互作用をどの程度効果的に捉えられるか？
• RQ3 メタボリックスベースの疾患予測において、機械学習モデルはAUC、感度、特異度の観点から、従来手法をどの程度上回るか？
• RQ4 機械学習モデルは、回帰ベースの手法と比較して、特定の代謝物や代謝物相互作用のパターンをより効果的に同定できるか？

主な発見

• ランダムフォレスト分類器が、評価されたすべてのモデルの中で最高の受信者操作特性曲線下積分（AUC）を達成し、虚血性心疾患の予測性能が優れていることが示された。
• L1正則化回帰は特徴量選択が改善され、中程度の性能を示したが、予測精度においてランダムフォレストを上回ることはなかった。
• 特にランダムフォレストを含む機械学習モデルは、従来の回帰モデルが捉えにくい非線形的かつ高次相互作用を、代謝物間でより効果的に捉えていた。
• 本研究では、高度な機械学習を用いて解析されたメタボロミクスデータが、正確で非侵襲的かつ低コストな虚血性心疾患の予測を可能にすることが明らかになった。
• 結果から、標準的なロジスティック回帰と比較して、ランダムフォレストモデルはCAD予測においてより優れたキャリブレーションと識別能を示すことが示唆された。