[論文レビュー] Fast Out-of-Sample Predictions for Bayesian Hierarchical Models of Latent Health States

Aaron Fisher, R. Yates Coley+1 more|arXiv (Cornell University)|Oct 29, 2015

Statistical Methods and Inference参考文献 10被引用数 3

ひとこと要約

本稿では、ベイジアン階層モデルにおける潜在的健康状態の高速かつリアルタイムな外挿予測を可能にするために、重要度サンプリング（IS）の使用を提案する。特に前立腺がんリスク評価を対象として、事前に計算された集団水準の事後分布を活用することで、ISは遅延の大きいバッチMCMCと比較して1.3%未満のRMSDで高い一致を達成した。一方、計算時間は1人あたり数時間から1〜10秒に短縮され、診療所内での意思決定支援が可能になった。

ABSTRACT

Hierarchical Bayesian models can be especially useful in precision medicine settings, where clinicians are interested in estimating the patient-level latent variables associated with an individual's current health state and its trajectory. Such models are often fit using batch Markov Chain Monte Carlo (MCMC). However, the slow speed of batch MCMC computation makes it difficult to implement in clinical settings, where immediate latent variable estimates are often desired in response to new patient data. In this report, we discuss how importance sampling (IS) can instead be used to obtain fast, in-clinic estimates of patient-level latent variables. We apply IS to the hierarchical model proposed in Coley et al (2015) for predicting an individual's underlying prostate cancer state. We find that latent variable estimates via IS can typically be obtained in 1-10 seconds per person and have high agreement with estimates coming from longer-running batch MCMC methods. Alternative options for out-of-sample fitting and online updating are also discussed.

研究の動機と目的

• リアルタイムの患者レベルの潜在変数推定が求められる臨床現場におけるバッチMCMCの計算的ボトル neck を解消すること。
• 新しい患者データが到着した際の、個別健康状態予測をスケーラブルかつ低遅延で更新する手法を開発すること。
• 繰り返し完全なモデル再適合やサーバ間通信を必要としない、診療所内での精度医療モデルの実装を可能にすること。
• 潜在的健康状態の外挿予測において、MCMCの代替手段としての重要度サンプリングの正確性と効率性を評価すること。
• ISを定期的なMCMC再適合と組み合わせることで、集団水準のパラメータの正確性を維持しつつ、高速な個別予測を可能にすること。

提案手法

• 事前に行われたMCMCランの集団水準のパラメータ事後分布のみを用いて、患者レベルの潜在変数（例：進行性と進行性でない前立腺がん状態）の事後推定を重要度サンプリングで行う。
• 個別レベルのパラメータ $ b_i $ の候補値を生成するために、事後分布のサンプル $ \theta^{(j)} $ を中心とする提案分布 $ g(b_i | \theta^{(j)}) $ を用いる。
• 500,000個の事後サンプルに対して1サンプルあたり10個の値を抽出することで、1人あたり合計500万個の提案を生成し、提案の多様性を高める。
• 正規化されていない事後密度を用いて重み付けを行い、有効サンプルサイズを算出し、潜在状態の事後確率を推定する。
• 有効サンプルサイズが1,000を超えるまで提案数を動的に増加させる提案戦略を実装し、正確性と速度のバランスを取る。
• ISに基づくリスク推定を、完全なバッチMCMCの結果と比較して、一致度と計算効率を評価する。

実験結果

リサーチクエスチョン

• RQ1 重要度サンプリングは、最小限の計算オーバーヘッドでベイジアン階層モデルにおける潜在的健康状態の外挿推定を高精度に実現できるか？
• RQ2 ISに基づく予測の正確性は、RMSDおよび最大絶対差の観点から、バッチMCMCの推定と比較してどの程度か？
• RQ3 ISにおける提案サンプル数を変化させた場合、計算速度と推定正確性のトレードオフはどのように変化するか？
• RQ4 ISを定期的なMCMC再適合と組み合わせることで、長期的なモデル正確性を維持しつつリアルタイム予測を可能にできるか？
• RQ5 ISにおける有効サンプルサイズと予測誤差の関係は何か？理論的期待と一致するか？

主な発見

• 動的重要度サンプリング手法は、確率尺度においてISとMCMC推定の間で1.3%未満のルート平均二乗差（rMSD）を達成し、高い一致を示した。
• ISとMCMC推定の間の最大絶対差は5.9%であったが、99%の患者において差が4.5%未満であった。
• 提案数を固定した場合、50,000件の提案ではrMSDが1.6%、最大差が16.6%であったのに対し、500万件の提案ではrMSDが1.3%、最大差が4.8%に改善された。
• 最も効率的なISアプローチでは、1人あたりの計算時間は1.4〜2.8秒であったのに対し、完全なMCMC再適合では数時間にのぼった。
• 動的提案手法は、1人あたりの中央計算時間2.3〜4.6秒で高い正確性を達成し、固定50,000件の提案手法よりも速度と正確性の両面で優れていた。
• 棄却サンプリングはISより性能が悪く、rMSDが1.6%であったため、本アプリケーションではISがより効果的であると考えられる。