[論文レビュー] Phenotyping Endometriosis through Mixed Membership Models of Self-Tracking Data

Iñigo Urteaga, Mollie M. McKillop+2 more|arXiv (Cornell University)|Nov 6, 2018

Endometriosis Research and Treatment参考文献 36被引用数 6

ひとこと要約

本研究では、2,800名の女性から得られた自己追跡モバイルアプリデータを用いて、内服症状、生活の質、治療歴を統合的にモデル化することで、混合メンバーーシップモデルを内症症の分類に提案した。この手法により、臨床的意義のある3つの強固なサブタイプ—重度、中等度、軽度—が特定され、症状負担、治療歴、共存疾患の観点から区別された。臨床基準および専門家レビューによる強力な妥当性が確認された。

ABSTRACT

We investigate the use of self-tracking data and unsupervised mixed-membership models to phenotype endometriosis. Endometriosis is a systemic, chronic condition of women in reproductive age and, at the same time, a highly enigmatic condition with no known biomarkers to monitor its progression and no established staging. We leverage data collected through a self-tracking app in an observational research study of over 2,800 women with endometriosis tracking their condition over a year and a half (456,900 observations overall). We extend a classical mixed-membership model to accommodate the idiosyncrasies of the data at hand (i.e., the multimodality of the tracked variables). Our experiments show that our approach identifies potential subtypes that are robust in terms of biases of self-tracked data (e.g., wide variations in tracking frequency amongst participants), as well as to variations in hyperparameters of the model. Jointly modeling a wide range of observations about participants (symptoms, quality of life, treatments) yields clinically meaningful subtypes that both validate what is already known about endometriosis and suggest new findings.

研究の動機と目的

• 内症症には標準化された分類がなく、原因が不明でバイオマーカーも存在しない、多様性に富んだ病態であるため、その分類の欠如に対処する。
• モバイルアプリを通じて得られた患者が生成する自己追跡データを活用し、臨床的重症度や疾患の多様性を反映する潜在的なサブタイプを同定する。
• 自己追跡データに見られる偏り（たとえば、追跡頻度のばらつきや、複数モodalな変数）を考慮した、堅牢な非監視型モデリング手法を開発する。
• 臨床的解釈可能性、尤度評価、および既存の臨床的指標との比較を通じて、同定されたサブタイプの妥当性を検証する。
• 文献で既に知られていない新たな臨床的関連性、たとえば特定のサブタイプと関連する遺伝的要因や共存疾患パターンを同定する。

提案手法

• Phendoモバイルアプリを通じて収集された、症状、生活の質、治療歴、共存疾患といったマルチモーダルな自己追跡データを扱えるように、古典的な混合メンバーーシップモデルを拡張した。
• 参加者各人に対して、潜在的サブタイプの分布を割り当てることで、部分的なメンバーーシップを許容する確率的生成モデルを適用した。
• 追跡頻度のばらつきやモデルパラメータの変動に対する耐性を高めるために、データ正則化とモデルハイパーパramータチューニングを組み込んだ。
• 未知のデータに対する尤度評価を用いて、モデルの適合度と一般化性能を評価した。
• 臨床専門家によるレビュー、専門家が定義したクラスタとの純度評価、および内症症健康プロファイル（EHP-30）アンケートとの仮説検定を通じて、サブタイプの妥当性を検証した。
• 多変量解析を用いて、手術歴、共存疾患、症状の重症度といった臨床変数とサブタイプとの関連性を評価した。

実験結果

リサーチクエスチョン

• RQ1 非監視型の混合メンバーーシップモデルは、多様な自己追跡データから、生物学的および臨床的に意味のある内症症のサブタイプを効果的に同定できるか？
• RQ2 自己生成データに一般的に見られるバイアス（たとえば、追跡頻度の不規則さや欠損データ）に対して、同定されたサブタイプはどれほど頑健か？
• RQ3 導出されたサブタイプは、症状負担、共存疾患、手術歴といった既知の臨床的特徴と整合性を示すか？
• RQ4 本モデルは、文献でこれまで認識されていなかった新たな臨床的関連性（例：特定のサブタイプと関連する遺伝的要因やライフスタイル要因）を同定できるか？
• RQ5 予測妥当性および臨床的意義の観点から、EHP-30などの既存の臨床的指標と比較して、これらのサブタイプはどのように異なるか？

主な発見

• モデルは、症状負担、生活の質、治療歴の観点から主に区別される3つの明確な表象サブタイプ—重度、中等度、軽度—を同定した。
• 重度サブタイプ（サブタイプ0）に属する参加者は、入浴に困難を抱える可能性が10.67倍高く、1ブロック歩行に支障を来す可能性が5.47倍高かった。これは、重度の機能障害を示している。
• サブタイプ0の患者は、日常活動に著しい制限を受ける可能性が顕著に高かった：階段1段上りの際のオッズ比（OR）は4.42、家事などの中程度の活動では3.45であった。
• 重度サブタイプは、平均1.67回の腹腔鏡手術を経験しており、他のサブタイプと比較して診断までの受診医の平均数（6.16人）も有意に多かった。
• サブタイプ2では、内症症を有する姉妹がいる可能性が2.50倍高かった。これは、このサブグループに遺伝的要因が関与している可能性を示唆している。
• 重度サブタイプでは、ステージ2内症症と診断される可能性が10.86倍高かった。これは、臨床的ステージングと患者が報告する重症度の間には相関がないことを強調している。