[論文レビュー] Identifiable Phenotyping using Constrained Non-Negative Matrix Factorization

Shalmali Joshi, Suriya Gunasekar+2 more|arXiv (Cornell University)|Aug 2, 2016

Tensor decomposition and applications参考文献 24被引用数 17

ひとこと要約

本稿では、Elixhauser合併症指数（ECI）からの弱い教師信号を用いて、ICU患者の特定の慢性疾患に潜在要因を固定化する制約付き非負値行列分解（CNMF）手法を提案する。これにより、1対1の同定可能性と解釈可能性が保証され、30個の表型特徴のみを用いても、ベースラインモデルを上回る30日生存率予測性能を達成し、臨床的妥当性は専門家による評価で裏付けられている。

ABSTRACT

This work proposes a new algorithm for automated and simultaneous phenotyping of multiple co-occurring medical conditions, also referred as comorbidities, using clinical notes from the electronic health records (EHRs). A basic latent factor estimation technique of non-negative matrix factorization (NMF) is augmented with domain specific constraints to obtain sparse latent factors that are anchored to a fixed set of chronic conditions. The proposed anchoring mechanism ensures a one-to-one identifiable and interpretable mapping between the latent factors and the target comorbidities. Qualitative assessment of the empirical results by clinical experts suggests that the proposed model learns clinically interpretable phenotypes while being predictive of 30 day mortality. The proposed method can be readily adapted to any non-negative EHR data across various healthcare institutions.

研究の動機と目的

• 標準的な非教師付き表型化手法（NMF や LDA）における同定可能性と解釈可能性の欠如に対処すること。
• EHRの臨床ノートを用いて、ICU患者における30個の共存する合併症を統合的にモデル化すること。
• ドメイン制約を用いて、学習された潜在要因と目的の慢性疾患との間で1対1のマッピングを保証すること。
• スパースで解釈可能な表型を用いて、30日死亡率などのアウトカムに対する臨床的妥当性と予測性能を向上させること。
• 非負のEHRデータを用いて、医療機関間でスケーラブルかつ一般化可能な表型化を可能にすること。

提案手法

• Elixhauser合併症指数（ECI）から導出されたサポート制約を標準NMFに組み込み、潜在要因を特定の合併症に固定化する。
• スパース性を促進するソフト制約を適用し、簡潔で解釈可能な表型定義（スパースな特徴表現）を促進する。
• 完全な手動アノテーションを必要とせず、管理データ（ECI）からの弱い教師信号を用いて要因の固定化をガイドする。
• ICU滞在48時間以内の臨床ノートを用いてモデルを学習し、限られたデータで早期の表型化を可能にする。
• CNMFから得た表型と、元のbag-of-words EHR特徴を組み合わせることで、死亡率予測性能を向上させつつ、モデルのスパarsityを維持する。
• 非負性、スパarsity、サポート制約を同時に満たす制約付き最適化フレームワークを用いてモデルを最適化する。

実験結果

リサーチクエスチョン

• RQ1 管理データからの弱い教師信号が、合併症の非教師付き表型化における同定可能性を向上させるか？
• RQ2 潜在要因表現へのスパarsity制約を課すと、学習された表型の解釈可能性と臨床的妥当性にどのような影響を与えるか？
• RQ3 CNMFを用いて得た30個の表型特徴という少数の特徴で、フルEHRデータと比較して競争力のある死亡率予測性能を達成できるか？
• RQ4 潜在要因を既知の合併症に固定化することで、得られる表型の臨床的妥当性が向上するか？
• RQ5 CNMFから得た特徴は、異なる医療機関やEHRシステム間でどの程度一般化可能か？

主な発見

• 提案されたCNMFモデルは、3500程度の特徴を用いて学習したモデルと比較して、AUC（受診者操作特性曲線下の面積）が同等の30日死亡率予測性能を達成しており、表型特徴をわずか30個に制限したにもかかわらず、優れた性能を示した。
• 臨床専門家は、表型が臨床的に解釈可能で関連性があると評価し、特に合併症の意味のあるクラスタリングと既知の疾患パターンとの整合性を高く評価した。
• サポート制約とスパarsityを組み合わせたモデルは、スパarsityなしの教師ありベースラインモデルを上回った。これは、スパarsityが臨床的有用性を高めることを示している。
• 元のEHRのbag-of-words特徴と組み合わせた場合、最終分類器における非ゼロ重みを有する特徴はわずか8.3%にとどまり、表型が大部分の予測信号を捉えていることを示している。
• モデルは、「心肺蘇生を施行しない」（DNR）という臨床的に意味のある特徴を、特定の合併症と直接関連付けられていないにもかかわらず、死亡率の強力な予測因子として正しく同定した。