[論文レビュー] MedLens: Improve Mortality Prediction Via Medical Signs Selecting and Regression

Xuesong Ye, Jun Wu+2 more|arXiv (Cornell University)|May 19, 2023

Machine Learning in Healthcare参考文献 26被引用数 4

ひとこと要約

MedLensは、高頻度で相関の強い医療サインを選択し、欠損時系列データに対してランダムフォレストベースの補間手法を適用することで、ICU死亡予測を向上させた。AUC-ROCは0.9553、AUC-PRは0.8051を達成し、既存のベンチマークを著しく上回った。

ABSTRACT

Monitoring the health status of patients and predicting mortality in advance is vital for providing patients with timely care and treatment. Massive medical signs in electronic health records (EHR) are fitted into advanced machine learning models to make predictions. However, the data-quality problem of original clinical signs is less discussed in the literature. Based on an in-depth measurement of the missing rate and correlation score across various medical signs and a large amount of patient hospital admission records, we discovered the comprehensive missing rate is extremely high, and a large number of useless signs could hurt the performance of prediction models. Then we concluded that only improving data-quality could improve the baseline accuracy of different prediction algorithms. We designed MEDLENS, with an automatic vital medical signs selection approach via statistics and a flexible interpolation approach for high missing rate time series. After augmenting the data-quality of original medical signs, MEDLENS applies ensemble classifiers to boost the accuracy and reduce the computation overhead at the same time. It achieves a very high accuracy performance of 0.96 AUC-ROC and 0.81 AUC-PR, which exceeds the previous benchmark.

研究の動機と目的

• 電子的健康記録（EHR）における深刻なデータ品質の問題、特に高い欠損率と相関が弱い医療サインの影響により死亡予測性能が制限されることを是正すること。
• 記録頻度が高く死亡と強い相関がある医療サインのみを特定・保持することで、モデルの複雑さとノイズを低減すること。
• 不規則にサンプリングされた時系列における欠損値を効果的に再構築する、ランダムフォレスト回帰に基づく新規で柔軟な補間手法の開発。
• 高品質なデータ前処理と軽量アンサンブル分類器を組み合わせることで、予測精度と計算効率を向上させること。

提案手法

• MIMIC-IIIデータセットを包括的に分析し、100以上の医療サインにおける欠損率と相関スコアを測定。低頻度・弱相関の信号はノイズとして特定。
• 記録頻度が低く死亡との相関が弱い医療サインをフィルタリングする統計的特徴選択手法を実装。高インパクトの信号のみを保持。
• 時系列パターンを学習し、多次元時系列における欠損値を埋めるランダムフォレスト回帰ベースの補間技術を設計。ベースラインの前方/後方補完を上回った。
• クリーン化および補間された時系列データにアンサンブル分類器（ランダムフォレストおよび勾配ブースティング）を適用。予測精度を向上させつつ計算オーバーヘッドを低減。
• AUC-ROCとAUC-PRを主な評価指標として採用。最先端モデルとのベンチマークを実施。
• ランダムフォレストが速度と精度のバランスに優れていることから、最終分類器として選定。勾配ブースティングの97.72％の精度を達成しながら、計算時間は2.28％にまで削減された。

実験結果

リサーチクエスチョン

• RQ1 EHRデータにおける医療サインの欠損率と相関スコアは、死亡予測モデルの性能にどのように影響を与えるか？
• RQ2 統計的特徴選択手法により、低頻度および弱相関の医療サインを除外することで、予測精度が向上するか？
• RQ3 高い欠損率を示す時系列データに対して、ランダムフォレストベースの補間手法が、従来の補間手法よりも優れた予測性能をもたらすか？
• RQ4 軽量アンサンブル分類器は、計算コストを低減しつつも、死亡予測タスクで高い精度を維持できるか？

主な発見

• MIMIC-IIIデータセットにおける医療サイン全体の欠損率は極めて高く、多くのサインがほとんど記録されておらず、死亡予測に対してほとんど関連がないことが判明した。
• 高頻度・高相関の医療サインのわずかなサブセットだけで、非常に高い予測精度が達成可能であり、データ品質がモデルの複雑さよりもはるかに重要であることが示された。
• 提案されたランダムフォレスト補間手法は、ベースラインの前方/後方補完を著しく上回り、AUC-ROCは8.5%、AUC-PRは47%向上した（Harutyunyanら[1]と比較）。
• MedLensはAUC-ROC 0.9553、AUC-PR 0.8051を達成。Harutyunyanら[1]が報告した0.87 AUC-ROCおよび0.533 AUC-PRを上回った。
• 最終分類器としてのランダムフォレストは、勾配ブースティングの97.72%の精度を達成しながら、計算時間は2.28%にまで短縮され、大規模な展開に非常に効率的であった。
• 本研究は、特徴選択と高度な補間によるデータ品質の向上が、機械学習アルゴリズムそのものを変更しないままでも、顕著な性能向上をもたらす可能性を確認した。