[論文レビュー] TASTE: Temporal and Static Tensor Factorization for Phenotyping Electronic Health Records

Ardavan Afshar, Ioakeim Perros+6 more|arXiv (Cornell University)|Nov 13, 2019

Tensor decomposition and applications被引用数 7

ひとこと要約

TASTEは、電子的健康記録（EHR）における静的（例：人口統計学的特徴）および時間的（例：縦断的訪問履歴）特徴を、ハイブリッドなPARAFAC2および非負値行列分解フレームワークを用いて統合的にモデル化する、革新的なテンソル因子分解手法を提案する。本手法は、ベースライン比で最大14倍の高速化を達成し、最小限の特徴で深層学習と同等の予測性能を示す臨床的に意味のある心不全の表現型を抽出する。

ABSTRACT

Phenotyping electronic health records (EHR) focuses on defining meaningful patient groups (e.g., heart failure group and diabetes group) and identifying the temporal evolution of patients in those groups. Tensor factorization has been an effective tool for phenotyping. Most of the existing works assume either a static patient representation with aggregate data or only model temporal data. However, real EHR data contain both temporal (e.g., longitudinal clinical visits) and static information (e.g., patient demographics), which are difficult to model simultaneously. In this paper, we propose Temporal And Static TEnsor factorization (TASTE) that jointly models both static and temporal information to extract phenotypes. TASTE combines the PARAFAC2 model with non-negative matrix factorization to model a temporal and a static tensor. To fit the proposed model, we transform the original problem into simpler ones which are optimally solved in an alternating fashion. For each of the sub-problems, our proposed mathematical reformulations lead to efficient sub-problem solvers. Comprehensive experiments on large EHR data from a heart failure (HF) study confirmed that TASTE is up to 14x faster than several baselines and the resulting phenotypes were confirmed to be clinically meaningful by a cardiologist. Using 80 phenotypes extracted by TASTE, a simple logistic regression can achieve the same level of area under the curve (AUC) for HF prediction compared to a deep learning model using recurrent neural networks (RNN) with 345 features.

研究の動機と目的

• 既存のEHR表現型抽出手法が、静的患者属性（例：人種、性別）と動的臨床経路を同時にモデル化できないというギャップを解消すること。
• 不規則でスパースな縦断的EHRデータを処理しつつ、モデルの一意性と解釈可能性を保ちながらスケーラブルな解釈可能な手法を開発すること。
• 静的および動的臨床特徴を統合することで、心不全の表現型抽出における予測性能を向上させること。
• 非凸最適化問題を扱いきれる簡略化された部分問題に再定式化することで、計算を効率化すること。

提案手法

• 時間的データにPARAFAC2、静的特徴に非負値行列分解を組み合わせた統合的テンソル因子分解モデルを構築し、共通の表現型スコア行列を共有する。
• 患者固有の要因行列（U_k）と共有要因行列（V）を用いて時間的データをモデル化し、不規則な訪問回数に対応するため、Q_kおよびHによる直交制約を導入する。
• 静的特徴（A）を、共有表現型スコア（S_k）と要因行列（F）に分解することで、統合学習を可能にする。
• 元の非凸最適化問題を、直交プロクラウス問題、最小二乗問題、非負値最小二乗問題に交替的に再定式化し、計算コストの高いカトライ・ロウ積を回避する。
• 各部分問題に対して、閉形式解や収束保証付きの反復アルゴリズムを含む効率的ソルバーを用いる。
• モデルの一意性と臨床的解釈可能性を促進するために、非負性および直交制約を確保する。

実験結果

リサーチクエスチョン

• RQ1 統合的テンソル因子分解モデルは、EHRにおける静的および動的特徴を効果的に統合し、表現型抽出の精度を向上させることができるか？
• RQ2 静的および時間的特徴を統合的にモデル化することは、それらを別々にモデル化する場合と比較して、心不全の予測性能において優れているか？
• RQ3 提案手法は、モデルの解釈可能性および一意性を維持しながら、既存のベースラインと比較して顕著な高速化を達成できるか？
• RQ4 TASTEが抽出した表現型は、分野の専門家による検証を通じて、臨床的に認識されたパターンと一致するか？

主な発見

• TASTEは、80個の表現型のみを用いて心不全予測でAUC 0.7554を達成し、345個の特徴を用いたベースラインRNNモデルを上回った。
• TASTEは、モデルの一意性と解釈可能性を維持しながら、最先端のベースラインと比較して最大14倍の高速化を達成した。
• 本手法は、心臓専門医による確認を通じて、心房細動、高血圧性心不全、肥満誘因性、心代謝性、虚血性心疾患の5つの臨床的に意味のある心不全表現型を効果的に抽出した。
• TASTEの統合的モデルフレームワークを介した静的特徴の統合により、動的特徴のみを用いたベースライン（AUC 0.7426 対 0.7498）と比較してAUCが0.0056向上した。また、静的特徴を追加したPARAFAC2ベースラインと比較しても同様に0.0056の向上を示した。
• 表現型スコア（S_k）は静的および動的モダリティ間で共有されており、患者の経路を一貫的かつパーソナライズドに表現可能である。
• 最適化問題の再定式化により、カトライ・ロウ積のような計算コストの高い操作を回避することで、モデルの効率性が向上した。