[論文レビュー] Time Aggregation and Model Interpretation for Deep Multivariate Longitudinal Patient Outcome Forecasting Systems in Chronic Ambulatory Care

Beau Norgeot, Dmytro Lituiev+2 more|arXiv (Cornell University)|Nov 30, 2018

Machine Learning in Healthcare参考文献 4被引用数 4

ひとこと要約

本研究では、不規則な受診間隔と小規模なサンプルサイズを特徴とする、長期的外来ケアにおける自己免疫疾患の活動度を予測するための深層学習フレームワークを提案する。時間分布型全結合層に続くGRUが、最も汎用性の高いモデルをもたらすことが示され、臨床的解釈可能性を高めるために縦断的順列重要度と混同プロットを導入した。その結果、最近の疾患活動度とステロイド使用が主要な予測要因であることが明らかになった。

ABSTRACT

Clinical data for ambulatory care, which accounts for 90% of the nations healthcare spending, is characterized by relatively small sample sizes of longitudinal data, unequal spacing between visits for each patient, with unequal numbers of data points collected across patients. While deep learning has become state-of-the-art for sequence modeling, it is unknown which methods of time aggregation may be best suited for these challenging temporal use cases. Additionally, deep models are often considered uninterpretable by physicians which may prevent the clinical adoption, even of well performing models. We show that time-distributed-dense layers combined with GRUs produce the most generalizable models. Furthermore, we provide a framework for the clinical interpretation of the models.

研究の動機と目的

• 不規則な受診間隔と小規模なサンプルサイズを有する縦断的外来EHRデータにおいて、深層学習モデルの最適な時間集約戦略を同定すること。
• 臨床現場におけるAIへの抵抗を克服するため、患者予後予測における時間系列深層学習モデルの解釈可能性を高める手法を開発すること。
• 2つの異なるリウマトロジークリニックから得た実世界のEHRデータを用いて、さまざまな時間集約アーキテクチャの予測性能を評価すること。
• 縦断的順列重要度スコアリングとモデルが学習した患者表現の可視化を通じて、臨床的解釈可能性を提供すること。

提案手法

• Hyperasを用いたベイズ最適化により、完全に全結合型、時間分布型全結合（TDD）に続く全結合型、GRU、LSTM、因果的畳み込み、有効パディング付き畳み込みの6つの時間集約関数を比較した。
• EHRデータを100日間のウィンドウに集約し、各ウィンドウ内での変数ごとの最新値を選択することで、不均等な受診間隔と変動するデータポイントに対処した。
• 時間ウィンドウ全体にわたる順列重要度スコアリングを用い、各入力変数（例：薬剤、炎症マーカー）がモデル性能に与える寄与度を定量化した。
• 混同プロットを用いて、モデルが学習した患者表現を可視化し、異なる患者集団におけるクラスターや潜在的交絡要因を同定した。
• 解釈のための最終的完全訓練済みモデルを生成するために、ユニバーシティクリニックのトレーニングおよびバリデーションセットを統合してモデルを訓練した。
• AUCの95%信頼区間を計算するためにDelong法を適用し、性能差の統計的有意性を評価した。

実験結果

リサーチクエスチョン

• RQ1 不規則な受診パターンを示す縦断的外来ケアにおいて、どの時間集約関数が最も汎用的かつ正確な深層学習モデルをもたらすか？
• RQ2 時間系列EHRデータを対象とした多変量的深層学習モデルを、臨床医にとって解釈可能にするにはどうすればよいか？
• RQ3 薬剤、血液検査値、疾患活動度スコアなどの異なる臨床的変数が、時間経過とともにモデル予測にどの程度寄与しているか？
• RQ4 異なる集団間でモデルが学習した患者表現はどのように異なるのか？その差異は、潜在的な臨床的または社会的健康決定要因を何を示唆しているのか？

主な発見

• 時間分布型全結合（TDD）層に続くGRUが、バリデーションセットでAUC 0.845（95%信頼区間：[0.753, 0.914]）を達成し、他のアーキテクチャ（TDD-LSTM：AUC 0.838、TDD-GRU：AUC 0.845）を上回る最高の性能を示した。
• 縦断的順列重要度スコアリングにより、最近の時間ウィンドウ（特に最も最近のもの）が最も予測的であることが判明。CDAI履歴とステロイド処方（例：プレドニゾロン）が最も影響力のある変数であった。
• 現在の受診でステロイドが追加されたことは、疾患の制御不能を強く予測する要因であった。これは、活動性疾患の臨床的代理指標として機能する可能性がある。
• 直前の受診で疾病修飾抗リウマチ薬（DMARD）戦略の変更または継続が、予測に極めて重要であることが示され、医師および患者による治療効果の評価が予測に反映されていることを示唆した。
• 混同プロットでは、ユニバーシティクリニック集団では制御済みと未制御の患者が混合した1つのクラスターが観察された。これは自然な遷移領域を示しており、一方、セーフティネットクリニックでは複数の同様のクラスターが観察された。これは潜在的な交絡要因が存在することを示唆している。
• セーフティネット集団に複数の近接クラスターが存在する背景には、社会的健康決定要因が関与している可能性があり、この集団は非白人系が大多数を占め、民間保険に加入していない可能性が低いことが関連していると考えられる。