[論文レビュー] Similarities and Differences between Machine Learning and Traditional Advanced Statistical Modeling in Healthcare Analytics

Michele Bennett, Karin Hayes+2 more|arXiv (Cornell University)|Jan 7, 2022

Artificial Intelligence in Healthcare被引用数 14

ひとこと要約

この論文は、医療アナリティクスにおける機械学習（ML）と従来の高度な統計モデリングを比較し、それらが敵対的ではなく補完的であると主張している。両者には基礎的な数学的原則が共通しているが、ツール、仮定、用途において相違点があり、最適な選択はデータの特性、問題の目的（予測 vs. 因果関係の特定）、およびサンプルサイズや変数の数といった実証的制約に依存する。

ABSTRACT

Data scientists and statisticians are often at odds when determining the best approach, machine learning or statistical modeling, to solve an analytics challenge. However, machine learning and statistical modeling are more cousins than adversaries on different sides of an analysis battleground. Choosing between the two approaches or in some cases using both is based on the problem to be solved and outcomes required as well as the data available for use and circumstances of the analysis. Machine learning and statistical modeling are complementary, based on similar mathematical principles, but simply using different tools in an overall analytics knowledge base. Determining the predominant approach should be based on the problem to be solved as well as empirical evidence, such as size and completeness of the data, number of variables, assumptions or lack thereof, and expected outcomes such as predictions or causality. Good analysts and data scientists should be well versed in both techniques and their proper application, thereby using the right tool for the right project to achieve the desired results.

研究の動機と目的

• 医療アナリティクスにおける機械学習と従来の統計モデリングを敵対的とみなす誤解を解き明かす。
• 数学的基盤と実践的応用の観点から、MLと統計モデリングの核心的な類似点と相違点を特定する。
• データ品質、問題の種別、および予測や因果推論といった望ましい結果に基づいて、データサイエンティストや研究者が適切な手法を選択するのを支援する。
• 分析的文脈に応じてMLと統計モデリングを戦略的に組み合わせるハイブリッドアプローチを提唱する。
• 熟練した実務者が両手法を習得することで最良の結果を得られるように、学際的専門性の重要性を強調する。

提案手法

• 著者たちは、医療データサイエンスに由来する概念的および実践的フレームワークを用いて、MLと統計モデリングの比較分析を実施した。
• 最適化や確率論といった共通の数学的原則に基づいて、両者の根本的な類似性を示すために評価を行った。
• 実世界の医療アナリティクスのシナリオを用いて、ニューラルネットワークやランダムフォレストといったMLの使用と、コックス比例ハザード回帰や一般化線形モデルといった従来のモデルの使用を対比した。
• データのサイズ、完全性、変数の数、仮定（パラメトリック対ノンパラメトリック）といった基準を用いて、手法のトレードオフを評価した。
• 予測精度と因果解釈の両者といった問題の目的を、データの可用性と質と照らし合わせて評価する意思決定フレームワークを適用した。
• 両パラダイムの違いと相乗効果を明確にするために、具体的な例と概念図（2枚の図）を含めた分析を行った。

実験結果

リサーチクエスチョン

• RQ1 機械学習と従来の統計モデリングは、数学的基盤と核心的原則においてどのように比較できるか？
• RQ2 どのような医療アナリティクスのシナリオで、機械学習が従来の統計モデリングよりも適切であり、逆にその逆が適切か？
• RQ3 データの特性（サイズ、完全性、変数の数など）は、MLと統計モデリングの選択にどのように影響を及けるか？
• RQ4 機械学習と統計モデリングを組み合わせて、医療分野の分析的成果を向上させる余地はどの程度あるか？
• RQ5 予測と因果推論という目的の違いは、MLと統計モデリングの選択にどのように影響を及えるか？

主な発見

• 機械学習と従来の統計モデリングは根本的に補完的であり、最適化や確率論といった核心的な数学的原則を共有しているが、対立するアプローチではない。
• MLと統計モデリングの選択は、データの可用性、サイズ、完全性、および望ましい結果（予測 vs. 因果関係の特定）といった具体的な問題文脈に従って行われるべきである。
• 統計モデルは解釈性が高く、特に小規模または構造化されたデータセットでは因果推論に適している。
• 十分なデータが得られる状況では、機械学習は高次元のデータ環境や複雑なパターン認識において優れたパフォーマンスを発揮する。
• 両手法は熟練した実務者の応用によってもたらされる利益を享受する。熟練した実務者は、それぞれの分析的課題に最適なツールを選択できるように、両手法に習熟しておくべきである。
• 本論文は、実証的証拠と問題固有の要件に基づいて、MLと統計モデリングを統合した最も効果的な分析戦略が有効であると結論づけた。