[論文レビュー] Unsupervised learning with GLRM feature selection reveals novel traumatic brain injury phenotypes

Aaron J. Masino, Kaitlin A. Folweiler|arXiv (Cornell University)|Nov 30, 2018

Machine Learning in Healthcare参考文献 23被引用数 6

ひとこと要約

本研究では、臨床データから新しい脳震とう（TBI）表現型を同定するために、一般化低ランクモデル（GLRM）を用いた教師なし機械学習フレームワークを提案する。この手法により、90日後の機能的・認知的予後と顕著に相関する独自のベースライン特徴プロファイルを有する4つの明確に異なるTBI亜型が同定された。これは、標準的なガソウ・コンマ・スケール（GCS）分類を上回る性能を示した。

ABSTRACT

Baseline injury categorization is important to traumatic brain injury (TBI) research and treatment. Current categorization is dominated by symptom-based scores that insufficiently capture injury heterogeneity. In this work, we apply unsupervised clustering to identify novel TBI phenotypes. Our approach uses a generalized low-rank model (GLRM) model for feature selection in a procedure analogous to wrapper methods. The resulting clusters reveal four novel TBI phenotypes with distinct feature profiles and that correlate to 90-day functional and cognitive status.

研究の動機と目的

• 症状に基づくTBI分類の限界、特にガソウ・コンマ・スケール（GCS）に依存することによる、傷害の異質性を捉えられず長期予後と相関しない点を是正すること。
• 教師なし機械学習を用いて、生物学的に意味のあるTBI表現型を同定するデータ駆動型で解釈可能な手法を開発すること。
• 異なるベースライン特徴と予後的意義を有する亜型を同定することで、TBI研究および臨床試験の設計を改善すること。

提案手法

• 2段階のパイプラインを採用：まず、L1正則化最適化を用いて低ランク成分に患者データ行列を分解することで、特徴選択を実施する。
• GLRMは、数値特徴には2次損失、二値特徴にはヘッジ損失を用い、特徴の分散でスケーリングすることで、異なる測定単位間の正規化を実現する。
• 特徴係数行列YへのL1正則化によりスパarsityが促進され、元の98個の特徴から最も関連性の高い特徴のみが選択される。これにより、過学習を低減しつつ解釈可能性を維持する。
• 選択された12個の特徴を用いて、PAM（メディオイド周辺の分割）クラスタリングを用いて991例のTBI患者を4つの表現型に分類する。
• クラスタの安定性は、ペアワイズ類似度指数を用いた5分割交差検証アプローチにより検証する。
• 連続的特徴についてはクラス間差の有意性をKruskal-Wallis検定およびHolmの多重比較検定で、カテゴリカル変数についてはカイ二乗検定で評価する。

実験結果

リサーチクエスチョン

• RQ1 GLRMに基づく特徴選択を用いた教師なし学習は、現在の臨床基準を上回る長期予後予測を可能にする、生物学的に意味のある新しいTBI表現型を同定できるか？
• RQ2 どのベースライン臨床的特徴が、異なるTBI亜型および長期的な機能的状態を最も予測できるか？
• RQ3 同定されたTBI表現型は、GCSに基づく分類と比較して、臨床的特徴プロファイルおよび90日後の予後においてどのように異なるか？
• RQ4 識別された表現型構造は、異なるデータ分割に対してどれほど頑健で再現可能か？

主な発見

• GLRM特徴選択プロセスにより13個の初期特徴が保持されたが、INRが低重要度であったため除外され、最終モデルでは12個に削減された。最終モデルの特徴は、ネット水分摂取量、ヘマトクリット、ヘモグロビン、血小板、白血球、グルコース、AST、PT、PTT、INR、CT上での異常中脳幹池、および損傷原因としての転倒である。
• 4つの明確に異なるTBI表現型が同定された：クラスタA（n=314）、B（n=204）、C（n=286）、D（n=187）、それぞれが独自のベースライン特徴プロファイルを有する。
• すべての4つのクラスタ間でベースライン特徴に顕著な差が認められた（p < 0.05、Kruskal-Wallis検定）、特にクラスタBは出血および凝固障害のリスクマーカーが上昇していた。
• 12個のうち9個の90日後の機能的・認知的予後スコアがクラスタ間で有意に差を示した（p < 0.05）、表現型の強い予後的価値を示している。
• 一方、GCSスコアによる患者のグループ化では、ベースライン特徴や90日後の予後において有意差が認められず、現在の臨床的分類の限界を浮き彫りにした。
• 本手法は高いクラスタ安定性を示し、トレーニングおよび検証フォールド間のペアワイズ類似度指数が0.92であった。これは、データ分割に頑健であることを示している。