[論文レビュー] Visualization of Emergency Department Clinical Data for Interpretable Patient Phenotyping

Nathan C. Hurley, Adrian D. Haimovich+2 more|arXiv (Cornell University)|Jul 5, 2019

Machine Learning in Healthcare被引用数 4

ひとこと要約

本論文は、緊急部門（ED）の電子歴史記録（EHR）データから解釈可能なデータ駆動型患者の病態像を特定するため、UMAPとガウス過程混合モデル（GMMs）を用いた二次元可視化パイプラインを提案する。5つの主訴について実世界のEDデータセットに非線形次元削減とクラスタリングを適用することで、ARIスコアが0.35から0.74の間で変動する安定的で臨床的に意味のある患者サブグループが明らかになった。これにより、リアルタイムのトリアージと後向きコhort発見が可能となった。

ABSTRACT

Visual summarization of clinical data collected on patients contained within the electronic health record (EHR) may enable precise and rapid triage at the time of patient presentation to an emergency department (ED). The triage process is critical in the appropriate allocation of resources and in anticipating eventual patient disposition, typically admission to the hospital or discharge home. EHR data are high-dimensional and complex, but offer the opportunity to discover and characterize underlying data-driven patient phenotypes. These phenotypes will enable improved, personalized therapeutic decision making and prognostication. In this work, we focus on the challenge of two-dimensional patient projections. A low dimensional embedding offers visual interpretability lost in higher dimensions. While linear dimensionality reduction techniques such as principal component analysis are often used towards this aim, they are insufficient to describe the variance of patient data. In this work, we employ the newly-described non-linear embedding technique called uniform manifold approximation and projection (UMAP). UMAP seeks to capture both local and global structures in high-dimensional data. We then use Gaussian mixture models to identify clusters in the embedded data and use the adjusted Rand index (ARI) to establish stability in the discovery of these clusters. This technique is applied to five common clinical chief complaints from a real-world ED EHR dataset, describing the emergent properties of discovered clusters. We observe clinically-relevant cluster attributes, suggesting that visual embeddings of EHR data using non-linear dimensionality reduction is a promising approach to reveal data-driven patient phenotypes. In the five chief complaints, we find between 2 and 6 clusters, with the peak mean pairwise ARI between subsequent training iterations to range from 0.35 to 0.74.

研究の動機と目的

• 高次元で複雑なED EHRデータを臨床意思決定支援のために解釈可能な形で扱う課題に対処すること。
• 弱い診断ラベルに依存しないデータ駆動型の患者の病態像を特定するための視覚的かつ解釈可能な手法を開発すること。
• 患者を低次元で安定した可視化空間に投影することで、リアルタイムのトリアージと後向きコhort発見を可能にすること。
• 調整ランダムインデックス（ARI）と患者レベルの属性を用いて、同定されたクラスタの頑健性と臨床的関連性を評価すること。
• 非線形次元削減（UMAP）が、線形手法やt-SNEなどの非パラメトリック手法と比較して、ED患者データの局所的およびグローバル構造をより効果的に捉えられることを示すこと。

提案手法

• 著者らは、高次元のEHRデータを局所的およびグローバルなデータ構造を保持したまま二次元に削減するため、均一多様体近似と投影（UMAP）を適用した。
• ガウス過程混合モデル（GMMs）を用いて、UMAP埋め込み空間内のクラスタを同定し、患者を病態サブグループに確率的割り当て可能とした。
• 連続するトレーニングイテレーション間のクラスタリングの間に調整ランダムインデックス（ARI）を計算し、同定されたクラスタの安定性を評価した。
• パイプラインは、実世界のED EHRデータセット（560,486件の訪問）から得た5つの主訴（腹部痛、胸部痛、呼吸困難、腰痛、転倒）に対して別々に適用された。
• 新しい患者の推論を可能とするために、モデル全体を再トレーニングせずに事前にトレーニングされたUMAP空間に患者を投影する仕組みを備えた。
• 各グループ内の人口統計学的およびトリアージ変数の分析により、クラスタの臨床的関連性が評価された。

実験結果

リサーチクエスチョン

• RQ1 UMAPによる非線形次元削減は、複雑なED EHRデータにおいて解釈可能で安定した患者の病態像を効果的に明らかにできるか？
• RQ2 異なる主訴において、同定されたクラスタの安定性と臨床的関連性はどのように比較できるか？
• RQ3 この可視化パイプラインは、ED環境下でリアルタイムの患者トリアージと後向きコhort発見を支援できるか？
• RQ4 クラスタの特徴は、合併症やトリアージ重症度といった既知の臨床変数をどの程度反映しているか？
• RQ5 t-SNEなどの線形または非パラメトリック手法と比較して、UMAPの使用がクラスタの安定性とグローバル構造の保持をどのように向上させるか？

主な発見

• 本手法は、5つの主訴において2～6個の明確な患者クラスタを同定できた。クラスタの安定性はARIで測定され、0.35～0.74の範囲で変動した。
• 転倒の場合は最も高いクラスタ安定性（ピークARI = 0.741）を示し、腹部痛は最も低い（ピークARI = 0.353）ため、より高い臨床的異質性を示唆した。
• クラスタは臨床的に意味があり、年齢・性別・トリアージスコア・合併症の有無などの要因に基づいて患者がグループ化された。特に、転倒関連の症例では合併症リスクの高い患者が一貫して特定された。
• UMAP-GMMパイプラインにより、新しい患者が既存の可視化に投影可能となり、再トレーニングなしでリアルタイムの臨床的評価が可能になった。
• 同様の病態（例：心筋梗塞が胸部痛や失神として現れる場合）が、主訴で層別化されていなければ一貫したクラスタリングが得られないことが明らかになった。これは、多主訴モデリングの必要性を示唆した。
• 転倒関連症例では、リスクの高いクラスタに属する患者は入院の可能性が高かった。これは、リスク分類と介入ターゲティングの可能性を示唆している。