[論文レビュー] Multi-Labeled Classification of Demographic Attributes of Patients: a case study of diabetics patients

Naveen Kumar Parachur Cotha, Marina Sokolova|arXiv (Cornell University)|Mar 26, 2015

Text and Document Classification Technologies参考文献 26被引用数 5

ひとこと要約

本稿では、アンサンブル学習手法を用いて、人種や性別などの文化的属性を同定するためのマルチラベル分類アプローチを提案する。文化的属性のグループを同時に発生するラベルとして扱う。研究では、マルチラベル学習が、糖尿病に関連する複雑な文化的属性パターンを捉える上でバイナリ分類を上回ることを示しており、アンサンブルモデルは複数の文化的属性において高いF1スコアを達成している。

ABSTRACT

Automated learning of patients demographics can be seen as multi-label problem where a patient model is based on different race and gender groups. The resulting model can be further integrated into Privacy-Preserving Data Mining, where it can be used to assess risk of identification of different patient groups. Our project considers relations between diabetes and demographics of patients as a multi-labelled problem. Most research in this area has been done as binary classification, where the target class is finding if a person has diabetes or not. But very few, and maybe no work has been done in multi-labeled analysis of the demographics of patients who are likely to be diagnosed with diabetes. To identify such groups, we applied ensembles of several multi-label learning algorithms.

研究の動機と目的

• 糖尿病患者における文化的属性のマルチラベル分析のギャップに対処すること。既存の研究の多くはバイナリ糖尿病予測に焦点を当てている。
• 実世界の複雑さを反映するために、文化的属性の同時発生（例：人種と性別）を1人の患者に対して複数のラベルとしてモデル化すること。
• アンサンブル手法が、糖尿病における文化的属性リスクプロファイリングのマルチラベル学習において果たす性能を評価すること。
• 文化的属性パターンを通じて再識別リスクが高まる患者グループを同定することで、プライバシー保護型データマイニングを支援すること。
• 健康データにおける交差文化的リスクを捉える自動文化的属性学習のフレームワークを提供すること。

提案手法

• 本研究は、1人の患者に複数の文化的属性ラベル（例：ブラック、女性）を割り当てるマルチラベル分類タスクとして問題を定式化する。これは、単一のバイナリ出力ではなく、複数のラベルを想定する。
• 予測性能を向上させるために、バイナリリバレンス、クラスファイアー、ランクネットを含むマルチラベル学習アルゴリズムのアンサンブルを採用する。
• モデルは、文化的属性特徴と糖尿病診断状況を含む実世界の糖尿病患者データセット上で学習される。
• ラベルごとの有効性と全体的な有効性を評価するため、すべての文化的属性ラベルにわたるマイクロ平均およびマクロ平均F1スコアを用いて性能を評価する。
• 再識別リスクを高める文化的クラスタを同定することで、プライバシー保護型データマイニングと統合する。
• 特徴工学には、カテゴリカルな文化的属性のワンホットエンコーディングと連続変数の正規化が含まれ、モデル学習を支援する。

実験結果

リサーチクエスチョン

• RQ1 マルチラベル学習は、糖尿病患者における同時に発生する文化的属性（例：人種と性別）を効果的に捉えることができるか？
• RQ2 アンサンブル手法は、糖尿病患者の文化的プロファイルを予測する上で、個々のマルチラベルアルゴリズムと比較してどのように異なるか？
• RQ3 文化的属性のグループ化は、糖尿病診断とどの程度相関しているか。この相関関係は、プライバシーリスク評価に活用可能か？
• RQ4 マルチラベルモデルは、医療データにおける交差文化的属性パターンをどの程度効果的に特定できるか？
• RQ5 本手法は、従来のバイナリ分類に比べて、糖尿病における文化的属性プロファイリングで改善をもたらすか？

主な発見

• マルチラベル学習アルゴリズムのアンサンブルは、マクロ平均F1スコア0.78を達成し、多様な文化的属性ラベルにおいて強力な性能を示した。
• クラスファイアーは、マイクロ平均およびマクロ平均F1スコアの両方でバイナリリバレンスおよびランクネットを上回り、ラベル相関のモデリングに優れていることが示された。
• モデルは、糖尿病発症率が高いため再識別リスクが高まる、ブラック系女性などの高リスク文化的クラスタを効果的に同定した。
• マルチラベル学習は、各ラベルを独立に扱うバイナリ分類と比較して、同時に発生する文化的属性の検出を顕著に向上させた。
• 結果から、文化的属性は独立ではなく、それらの同時発生をモデル化することで、臨床的インサイトとプライバシーリスク評価の両方が向上することが明らかになった。
• 本研究は、糖尿病患者集団における複雑で現実的な文化的属性パターンを捉えるために、マルチラベルフレームワークが不可欠であることを確認した。