[論文レビュー] Identifying Cancer Patients at Risk for Heart Failure Using Machine Learning Methods

Xi Yang, Yan Gong+5 more|arXiv (Cornell University)|Oct 1, 2019

Chemotherapy-induced cardiotoxicity and mitigation参考文献 24被引用数 16

ひとこと要約

本研究では、心毒性治療の前に対象となるがん患者の心不全リスクを予測するために、電子的健康記録（EHR）データを用いた機械学習モデルを開発した。143,199名の患者を対象に勾配ブースティングを適用した結果、AUCは0.9077を達成し、高い感度と特異度を示し、がん治療に起因する心毒性に対する早期介入の可能性を示している。

ABSTRACT

Cardiotoxicity related to cancer therapies has become a serious issue, diminishing cancer treatment outcomes and quality of life. Early detection of cancer patients at risk for cardiotoxicity before cardiotoxic treatments and providing preventive measures are potential solutions to improve cancer patients's quality of life. This study focuses on predicting the development of heart failure in cancer patients after cancer diagnoses using historical electronic health record (EHR) data. We examined four machine learning algorithms using 143,199 cancer patients from the University of Florida Health (UF Health) Integrated Data Repository (IDR). We identified a total number of 1,958 qualified cases and matched them to 15,488 controls by gender, age, race, and major cancer type. Two feature encoding strategies were compared to encode variables as machine learning features. The gradient boosting (GB) based model achieved the best AUC score of 0.9077 (with a sensitivity of 0.8520 and a specificity of 0.8138), outperforming other machine learning methods. We also looked into the subgroup of cancer patients with exposure to chemotherapy drugs and observed a lower specificity score (0.7089). The experimental results show that machine learning methods are able to capture clinical factors that are known to be associated with heart failure and that it is feasible to use machine learning methods to identify cancer patients at risk for cancer therapy-related heart failure.

研究の動機と目的

• がん診断後に心不全を発症するリスクが上昇しているがん患者を同定すること。
• 過去の電子的健康記録（EHR）データを活用して、機械学習を用いてリスク予測を行うこと。
• がん患者における心不全発症を予測する複数の機械学習アルゴリズムを比較すること。
• モデル性能の向上に寄与する特徴量エンコーディング戦略の評価。
• 特に化学療法を受療した患者を含むサブグループにおけるモデル性能の評価。

提案手法

• 本研究では、UFヘルス統合データリポジトリに蓄積された143,199名のがん患者を対象とした後向きコhort研究を実施した。
• 心不全を発症した1,958例の症例を、性別、年齢、人種、主要ながん種別で1:8の割合で対照群とマッチングした。
• 勾配ブースティング、ランダムフォレスト、ロジスティック回帰、XGBoostの4つの機械学習アルゴリズムを訓練および評価した。
• 2種類の特徴量エンコーディング戦略を適用した：ワンホットエンコーディングとターゲットエンコーディングを用いて、カテゴリカル変数を表現した。
• モデル性能はAUC、感度、特異度を指標とし、妥当性を確保するため交差検証を実施した。
• 化学療法を受療した患者を対象としたサブグループ分析を実施し、モデルの汎用性を評価した。

実験結果

リサーチクエスチョン

• RQ1 EHRデータを用いて訓練された機械学習モデルは、がん患者における心不全発症を正確に予測できるか？
• RQ2 がん患者における心不全リスクを予測する際、どの機械学習アルゴリズムが最も優れた性能を示すか？
• RQ3 異なる特徴量エンコーディング戦略は、この臨床予測タスクにおけるモデル性能にどのように影響を与えるか？
• RQ4 化学療法を受療した患者において、モデル性能に顕著な差が生じるか？
• RQ5 高リスク患者の早期同定は、予防的介入を通じて臨床的結果の改善に寄与できるか？

主な発見

• 勾配ブースティング（GB）モデルが最も高いAUC 0.9077を達成し、他のアルゴリズムを上回った。
• GBモデルは感度0.8520、特異度0.8138を示し、強力な予測能力を有していた。
• 化学療法を受療したサブグループでは、特異度が0.7089に低下し、このグループでは性能がやや低下した。
• モデルは、心不全と関連する既知の臨床的リスク要因を的確に捉えており、臨床的妥当性が裏付けられた。
• 特徴量エンコーディング戦略はモデル性能に顕著な影響を与え、特にターゲットエンコーディングが一部の文脈で優位性を示した。
• EHRデータを用いた機械学習の活用が、治療に起因する心不全リスクを事前に同定する可能性を示しており、実用的である。