[論文レビュー] Synthetic Patient Generation: A Deep Learning Approach Using Variational Autoencoders

Ally Salim|arXiv (Cornell University)|Aug 20, 2018

Machine Learning in Healthcare参考文献 2被引用数 8

ひとこと要約

本論文では、診断に基づいて患者特徴の潜在的分布を学習することにより、合成患者記録を生成するための深層学習アプローチを提案している。実際の患者データで訓練した後、学習された潜在空間からサンプリングすることで、新たな現実的で信頼性のある患者記録を生成可能となり、医療機械学習応用におけるデータ拡張やパターン発見を可能にする。

ABSTRACT

Artificial Intelligence in healthcare is a new and exciting frontier and the possibilities are endless. With deep learning approaches beating human performances in many areas, the logical next step is to attempt their application in the health space. For these and other Machine Learning approaches to produce good results and have their potential realized, the need for, and importance of, large amounts of accurate data is second to none. This is a challenge faced by many industries and more so in the healthcare space. We present an approach of using Variational Autoencoders (VAE's) as an approach to generating more data for training deeper networks, as well as uncovering underlying patterns in diagnoses and the patients suffering from them. By training a VAE, on available data, it was able to learn the latent distribution of the patient features given the diagnosis. It is then possible, after training, to sample from the learnt latent distribution to generate new accurate patient records given the patient diagnosis.

研究の動機と目的

• 深層学習モデルの学習において、限られたかつ機微な医療データという重要な課題に対処すること。
• 臨床的パターンや診断を保持したまま、現実的で合成された患者記録を生成する手法を開発すること。
• 生成モデルを活用して、医療AI応用分野における性能向上を図るための訓練データを拡張すること。
• 実際の電子的健康記録（EHR）データから学習することで、患者特徴の潜在的分布を解明すること。
• モデル開発やテストに使用するための、実際の患者記録を直接使用しないプライバシー保護型の代替手段を提供すること。

提案手法

• 著者らは、診断ラベルに条件付けられた患者特徴の確率的潜在表現を学習するために、変分オートエンコーダー（VAE）アーキテクチャを採用している。
• VAEは実際の電子的健康記録（EHR）データで訓練され、患者特徴を診断情報が保持された連続的潜在空間にエンコードする。
• 推論段階では、特定の診断に対して、学習された潜在分布からサンプリングして新しい患者記録を生成する。
• 微分可能なサンプリングを可能にするために再パrameterizationトリックを用い、バックプロパゲーションによるエンドツーエンドの訓練を可能にしている。
• デコーダー部は潜在コードから患者特徴を再構築し、生成されたサンプルが臨床的に妥当であることを保証している。
• 特定の疾患に対して患者記録を制御的に生成できるように、VAEを診断で条件づけている。

実験結果

リサーチクエスチョン

• RQ1 VAEは、実際のEHRデータから現実的で信頼性のある合成患者記録を効果的に学習し生成できるか？
• RQ2 生成された患者記録は、実際の患者データの背後にある統計的パターンをどの程度正確に保持しているか？
• RQ3 特定の診断に条件づけて、多様かつ現実的で信頼性のある患者記録をどの程度うまく生成できるか？
• RQ4 合成データは、医療機械学習タスクにおける下流モデルの性能向上に寄与するか？
• RQ5 実際の患者記録を直接使用しないことで、患者のプライバシーが保護されているか？

主な発見

• VAEは診断に条件づけられた患者特徴の潜在分布を効果的に学習し、現実的で信頼性のある合成患者記録の生成を可能にした。
• 生成された患者記録は、複数の診断にわたり、実データのパターンと整合する妥当な特徴分布を示した。
• 潜在空間からのサンプリングにより多様な患者記録を生成できたことから、データ生成におけるモデルの頑健性が示された。
• 本アプローチは、実際の患者記録に依存することを減らすプライバシー保護型のデータ拡張手法を提供した。
• VAEを用いた合成データ生成は、医療AI応用分野におけるより深いネットワークの学習を支援できる可能性を示唆している。
• 学習された潜在表現を通じて、患者データの背後にあるパターンの発見が可能になった。