[論文レビュー] Using Kernel Methods and Model Selection for Prediction of Preterm Birth

Ilia Vovsha, Ansaf Salleb-Aouissi+9 more|arXiv (Cornell University)|Jul 27, 2016

Preterm Birth and Chorioamnionitis参考文献 25被引用数 14

ひとこと要約

本研究では、NICHD予後予測研究の臨床データセットを用いて、カーネル法とモデル選択を応用し、早産を予測する手法を検討した。SVMにRBFカーネルを適用し、モデル選択を施したロジスティック回帰を用いることで、特に28週での特発的早産に対して、先行研究に比べ感度が20%向上、特異度が30%向上する顕著な改善を達成した。

ABSTRACT

We describe an application of machine learning to the problem of predicting preterm birth. We conduct a secondary analysis on a clinical trial dataset collected by the National In- stitute of Child Health and Human Development (NICHD) while focusing our attention on predicting different classes of preterm birth. We compare three approaches for deriving predictive models: a support vector machine (SVM) approach with linear and non-linear kernels, logistic regression with different model selection along with a model based on decision rules prescribed by physician experts for prediction of preterm birth. Our approach highlights the pre-processing methods applied to handle the inherent dynamics, noise and gaps in the data and describe techniques used to handle skewed class distributions. Empirical experiments demonstrate significant improvement in predicting preterm birth compared to past work.

研究の動機と目的

• 多様なリスク要因を有する臨床データセットを用いた機械学習により、早産の予測精度を向上させること。
• 妊娠中予測において、偏ったクラス分布やノイズが多く、動的な臨床データの課題に対処すること。
• 線形およびRBFカーネルを用いたSVM、モデル選択を施したロジスティック回帰、および専門家が導いた意思決定ルールを、さまざまな早産亜タイプにおいて評価すること。
• 過去の妊娠歴がないためリスク評価が困難な最も脆弱な集団、すなわち初産婦（初産婦）に焦点を当てる。
• 24週、26週、28週という複数の胎齢時点でのモデル性能を評価し、リスク予測における時間的ダイナミクスを捉えること。

提案手法

• 多変量リスク要因に内在する非線形関係をモデル化するため、線形および径路基底関数（RBF）カーネルを用いたサポートベクターマシン（SVM）を採用した。
• 予測性能を最適化し、高次元で相関の高い予測子を扱うために、ロジスティック回帰にモデル選択手法を適用した。
• 臨床データセットに一般的に見られる欠損データ、時系列的不整合、偏ったクラス分布に対処するための前処理戦略を用いた。
• 全早産、特発的早産、初産婦における早産という3つの早産亜タイプでモデルを評価した。
• 予測精度に与える縦断的データの可用性の影響を評価するため、3つの胎齢時点（24週、26週、28週）で実験を実施した。
• 学習されたモデル（SVM、ロジスティック回帰）を、医師専門家が作成したルールベースモデル（例：Creasy表）と比較し、臨床的妥当性をベンチマークした。

実験結果

リサーチクエスチョン

• RQ1 同じ臨床データセット上で、SVMにRBFカーネルを適用したカーネル法が、従来のロジスティック回帰に比べ、早産予測の精度を向上させることができるか？
• RQ2 偏ったクラス分布が存在する状況下で、ロジスティック回帰におけるモデル選択が、早産予測性能に与える影響は何か？
• RQ3 24週、26週、28週という複数の胎齢時点からの縦断的データの統合が、早産予測性能の向上に寄与するか？
• RQ4 機械学習モデルは、特発的早産および初産婦における早産を予測する上で、専門家が導いた臨床ルール（例：Creasy表）と比較して優れているか？
• RQ5 欠損データが多く、スパarsityが顕著な状況下で、特に過去の妊娠歴がない初産婦に対して、モデルの汎化性能にどのような影響が生じるか？

主な発見

• 28週での特発的早産予測において、線形SVMモデルは感度47%、特異度57%を達成し、先行研究のベンチマーク（Mercerら、1996年）に比べ、感度が20%向上、特異度が30%向上した。
• RBFカーネルを用いたSVMは、全データセット全体で線形SVMをわずかに上回り、リスク要因間に非線形関係が早産予測に有用である可能性を示唆した。
• 全データクラスおよび時系列の各時点において、最良のモデルが約50%の感度と特異度を達成した。これは、多様な亜タイプにわたる安定した性能を示している。
• ランダムフォレストモデルは、過学習のため性能が低く、T3における多項式SVMのg-mean値が最小0.11 ± 0.10にとどまり、高次元でノイズの多いデータにおける不安定性が示された。
• 機械学習で得られた線形モデルは、特に初産婦における感度と特異度において、専門家が作成したCreasy-7およびCreasy-13表を上回った。
• SVMの全実験において多数のサポートベクトルが得られたことから、最適な意思決定境界は概ね線形であると考えられ、一般化性能を高めるために過小化（C値を小さくする）が好ましいことが示唆された。