[論文レビュー] Functional response regression with funBART: an analysis of patient-specific stillbirth risk

Jennifer E. Starling, Jared S. Murray+3 more|arXiv (Cornell University)|May 19, 2018

Statistical Methods and Inference被引用数 2

ひとこと要約

この論文では、胎齢という1つの目的共変量における滑らかさを強制するが、他の予測子では滑らかでない関係を許容するベイジアン加法的回帰木モデルであるtsBARTを紹介する。死産リスク予測に応用したところ、tsBARTは標準的なBARTよりも滑らかで解釈可能かつ臨床的に妥当な患者特異的リスク推定を胎齢にわたって得ており、Rパッケージtsbartを介して実装されている。

ABSTRACT

This article introduces BART with Targeted Smoothing, or tsBART, a new Bayesian tree-based model for nonparametric regression. The goal of tsBART is to introduce smoothness over a single target covariate t, while not necessarily requiring smoothness over other covariates x. TsBART is based on the Bayesian Additive Regression Trees (BART) model, an ensemble of regression trees. TsBART extends BART by parameterizing each tree's terminal nodes with smooth functions of t, rather than independent scalars. Like BART, tsBART captures complex nonlinear relationships and interactions among the predictors. But unlike BART, tsBART guarantees that the response surface will be smooth in the target covariate. This improves interpretability and helps regularize the estimate. After introducing and benchmarking the tsBART model, we apply it to our motivating example: pregnancy outcomes data from the National Center for Health Statistics. Our aim is to provide patient-specific estimates of stillbirth risk across gestational age (t), based on maternal and fetal risk factors (x). Obstetricians expect stillbirth risk to vary smoothly over gestational age, but not necessarily over other covariates, and tsBART has been designed precisely to reflect this structural knowledge. The results of our analysis show the clear superiority of the tsBART model for quantifying stillbirth risk, thereby providing patients and doctors with better information for managing the risk of perinatal mortality. All methods described here are implemented in the R package tsbart.

研究の動機と目的

• 1つの目的共変量（例：胎齢）における滑らかさを保証する非パラメトリック回帰モデルを開発すること。
• 特に死産を含む産科予後に対して、患者特異的リスクモデリングの解釈可能性と正則化を向上させること。
• 臨床的期待として、死産リスクは胎齢にわたって滑らかに変化すると考えられるが、他の母体または胎児要因にわたっては必ずしもそうではないという点を扱うこと。
• 分野固有の構造的知識をモデルに組み込むことで、産科医および患者にとってより信頼性が高く臨床的に意味のあるリスク推定を提供すること。
• 米国保健統計センターのデータを用いた実世界の産科データ応用において、この手法を実装しベンチマークすること。

提案手法

• tsBARTは、各木の端末ノードを目的共変量tの滑らかな関数でパrameter化する点でBARTを拡張する。
• tの滑らかな関数は、各木の端末ノード内でスプラインまたはその他の非パラメトリックスムージング技術を用いてモデル化される。
• モデルはBARTのアンサンブル構造を維持し、複雑な非線形性および相互作用を捉える。
• 事後推論はマルコフ連鎖モンテカルロ（MCMC）を用い、tの滑らかな関数に対する事前分布を通じてスムージングが強制される。
• この手法は、滑らかさを保証しつつも柔軟な非パラメトリック推定を可能にし、解釈可能性と推定安定性を向上させる。
• このアプローチはRパッケージtsbartとして実装されており、同様の回帰問題への再現可能かつ容易な応用を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ベイジアン非パラメトリックモデルは、1つの目的共変量における滑らかさを強制しつつ、他の予測子における柔軟性を維持できるか？
• RQ2 胎齢におけるスムージングを強制することで、死産リスク予測モデルの解釈可能性と正確性はどのように向上するか？
• RQ3 tsBARTは、胎齢にわたる患者特異的死産リスク推定において、標準的なBARTを上回る性能を示すか？
• RQ4 時間経過に伴うリスクの期待される滑らかな変化といった分野固有の知識を組み込むことで、臨床的リスクモデリングはどの程度向上するか？
• RQ5 tsBARTは、産科医が死産トレンドを予想する期待に合致した、臨床的に妥当な滑らかなリスク表面を生成できるか？

主な発見

• tsBARTは、標準的なBARTと比較して、胎齢にわたるリスク表面が滑らかで、臨床的期待に一致する。
• モデルは特に時間経過に伴うリスクの期待される徐々な変化を捉える点で顕著な優位性を示している。
• 特定のスムージングの組み込みにより、目的共変量における推定安定性が著しく向上し、過剰適合が軽減された。
• 結果として、胎齢における滑らかさの強制は、より信頼性の高い患者特異的リスク予測をもたらし、臨床的意思決定支援を強化する。
• 臨床分野知識が要請するように、目的変数における滑らかさを保ちつつ、複雑な相互作用や非線形性を効果的にモデル化できる。
• tsBARTモデルはRパッケージtsbartとして実装されており、同様の生物医学的応用への採用と拡張を可能にしている。