[論文レビュー] Personalized Imputation in metric spaces via conformal prediction: Applications in Predicting Diabetes Development with Continuous Glucose Monitoring Information

Marcos Matabuena, Carla Díaz‐Louzao+2 more|arXiv (Cornell University)|Mar 26, 2024

Gene expression and cancer classificationBiochemistry, Genetics and Molecular Biology被引用数 3

ひとこと要約

本稿では、測度空間におけるコンformal予測を用いて、連続的血糖モニタリング（CGM）データの個人別補完のための新規2段階フレームワークを提案する。この手法により、糖尿病発症の予測が向上する。グルコースプロファイルを2-ウォッシャーテンスド空間内の確率分布（グルコデンシティ）としてモデル化し、個人別コンフォーマル予測を適用することで、従来のモデルと比較して予測精度が10%以上向上する。

ABSTRACT

The challenge of handling missing data is widespread in modern data analysis, particularly during the preprocessing phase and in various inferential modeling tasks. Although numerous algorithms exist for imputing missing data, the assessment of imputation quality at the patient level often lacks personalized statistical approaches. Moreover, there is a scarcity of imputation methods for metric space based statistical objects. The aim of this paper is to introduce a novel two-step framework that comprises: (i) a imputation methods for statistical objects taking values in metrics spaces, and (ii) a criterion for personalizing imputation using conformal inference techniques. This work is motivated by the need to impute distributional functional representations of continuous glucose monitoring (CGM) data within the context of a longitudinal study on diabetes, where a significant fraction of patients do not have available CGM profiles. The importance of these methods is illustrated by evaluating the effectiveness of CGM data as new digital biomarkers to predict the time to diabetes onset in healthy populations. To address these scientific challenges, we propose: (i) a new regression algorithm for missing responses; (ii) novel conformal prediction algorithms tailored for metric spaces with a focus on density responses within the 2-Wasserstein geometry; (iii) a broadly applicable personalized imputation method criterion, designed to enhance both of the aforementioned strategies, yet valid across any statistical model and data structure. Our findings reveal that incorporating CGM data into diabetes time-to-event analysis, augmented with a novel personalization phase of imputation, significantly enhances predictive accuracy by over ten percent compared to traditional predictive models for time to diabetes.

研究の動機と目的

• バイオメディカル研究における機能的かつ分布的データの欠損値に対する、個人別で統計的に厳密な補完手法の不足に対処すること。
• 測度空間に表現された確率分布としての欠損連続的血糖モニタリング（CGM）プロファイルの補完手法を開発すること。
• 高分解能グルコデンシティデータをデジタルバイオマーカーとして統合し、非糖尿病集団における糖尿病発症までの時間を予測すること。
• 一般化可能でモデルに依存しない個人別補完フレームワークを提供し、縦断的健康研究における予測性能を向上させること。
• 実世界の縦断的コhort研究（AEGIS）において、一部の参加者のみが完全なCGMデータを有する状況で、手法を検証すること。

提案手法

• 測度空間における線形モデルのための重み付き最小二乗推定量を提案し、確率分布などの統計的対象に対する回帰を可能にする。
• 測度空間に特化した新規のコンフォーマル予測アルゴリズムを導入し、特に2-ウォッシャーテンス距離を用いて分布応答の不確実性を定量化する。
• 有界な測度空間内での条件付きフレジェット平均を補完のターゲットとして適用し、分布的データ下でも一貫性と頑健性を確保する。
• 個人レベルの不確実性に適応するコンフォーマル予測に基づく個人別補完基準を採用し、信頼性とキャリブレーションを向上させる。
• 生のCGMデータから導出されるグルコデンシティ表現を用いて、時間的グルコースダイナミクスの全貌を捉え、要約統計量の代わりに使用する。
• 2段階の研究設計を通じて手法を検証する：欠損CGMプロファイルの補完、その後にCインデックスとAUCを用いた生存時間分析。

(a) Glucodensity profiles from raw CGM data for a diabetic and non diabetic individual.

実験結果

リサーチクエスチョン

• RQ1 測度空間におけるCGMデータの個人別補完は、非糖尿病集団における糖尿病発症までの予測を向上させることができるか？
• RQ2 グルコースプロファイルの分布的表現（グルコデンシティ）を組み込むことで、従来のバイオマーカーと比較して予測性能がどのように向上するか？
• RQ3 2-ウォッシャーテンス空間におけるコンフォーマル予測は、補完された分布的応答の信頼性とキャリブレーションをどの程度向上させるか？
• RQ4 多様なデータ構造と統計モデルに適応可能な汎用的でモデルに依存しない補完基準を構築できるか？
• RQ5 個人別不確実性評価が、高分解能グルコースデータを用いた生存時間予測モデルにおけるCインデックスとAUCに及ぼす影響はいかほどか？

主な発見

• 提案手法は、スカラーバイオマーカーのみに依存する従来のモデルと比較して、糖尿病発症までの予測精度を10%以上向上させる。
• 個人別コンフォーマル予測フレームワークは、半径110でCインデックス0.90を達成し、62名の補完済みCGMデータを含む範囲で、優れたキャリブレーションとカバレッジを示した。
• 時間経過に伴うAUCは、従来のCGMリスク評価を常に上回り、優れた動的予測性能を示している。
• 予測帯を伴う条件付きフレジェット平均は、個人に特化したグルコースダイナミクスを効果的に捉えており、コンフォーマル予測フレームワークにおける半径が大きくなるほど不確実性が増大することが明らかになった。
• コhortのうち一部（1,516名中580名）の参加者にのみ完全なCGMデータが存在する状況でも、モデルの性能が顕著に向上し、費用制約のある縦断的研究における有効性が検証された。
• 個人的に補完されたCGMデータを組み込んだモデルのCスコアは0.805に達し、機能的データを含まないモデルと比較して顕著な向上が見られた。

(b) Glucodensities profiles of all subjects with CGM, separated according to the status of diabetes. Red: individuals with diabetes at baseline. Black: individuals without diabetes at baseline who developed diabetes throughout the study. Grey: individuals free of diabetes at the end of the study.