[논문 리뷰] Clustering Patients with Tensor Decomposition

Matteo Ruffini, Ricard Gavaldà외 1명|arXiv (Cornell University)|2017. 08. 29.

Tensor decomposition and applications참고 문헌 17인용 수 7

한 줄 요약

이 논문은 거리 척도에 의존하지 않고 스펙트럴 방법을 사용하여 혼합 독립 베르누이 모델의 모수를 추정함으로써 고차원 이진 전자적 의료기록(EHR)을 군집화하기 위한 텐서 분해 기반 방법을 제안한다. 이 방법은 실제 EHR 데이터셋에서 임상적으로 의미 있는 안정된 군집을 도출하여, 수동적 특징 공학 없이도 비지도 환자 표현형 분석에서 강건성과 해석 가능성을 입증한다.

ABSTRACT

In this paper we present a method for the unsupervised clustering of high-dimensional binary data, with a special focus on electronic healthcare records. We present a robust and efficient heuristic to face this problem using tensor decomposition. We present the reasons why this approach is preferable for tasks such as clustering patient records, to more commonly used distance-based methods. We run the algorithm on two datasets of healthcare records, obtaining clinically meaningful results.

연구 동기 및 목표

• 비전문가 의료 관리자들이 사용할 수 있는 고차원 이진 EHR 데이터에 적합한 효율적이고 자율적인 군집화 방법을 개발하는 것.
• 고차원적이고 희박하며 범주형인 EHR 데이터에서 거리 기반 군집화의 한계를 극복하는 것.
• 수동 튜닝과 복잡한 사전처리를 피함으로써 실시간으로 상호작용 가능한 환자 집단 탐색을 가능하게 하는 것.
• 伝통적인 군집화 방법에 비해 안정적이고 해석 가능하며 확장 가능한 임상 데이터 분석 대안을 제공하는 것.
• 실제 세계의 EHR 데이터셋에서 임상적으로 관련성이 있는 군집 해석을 가능하게 하는 방법의 유용성을 입증하는 것.

제안 방법

• 논문은 EHR 데이터를 조건부 독립적인 이항 분포의 혼합 모델로 모델링하며, 진단 코드 간의 조건부 독립성을 가정한다.
• empirical 데이터로부터 생성된 고차원 모멘트 텐서(3차)를 사용하여 진단 특징 간의 상관관계를 포착한다.
• 모멘트 방법을 통한 텐서 분해를 적용하여 반복 최적화(예: EM)에 의존하지 않고도 잠재 혼합 모수를 복원한다.
• 이전 방법들에 비해 계산 복잡도를 감소시키기 위해, 3차 모멘트 텐서를 효율적으로 계산하기 위한 강건한 히우리스틱을 제안한다.
• 분해 과정을 통해 k개의 군집 중심(phenotypic profiles)을 도출하고, 각 환자는 가장 유사한 군집에 할당된다.
• 이 방법은 최소한의 하이퍼파rameter 튜닝으로도 확장 가능하고 안정적이며, 상호작용적 사용에 적합하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 거리 척도에 의존하지 않고 고차원 이진 EHR 데이터를 효과적으로 군집화할 수 있는가?
• RQ2 실제 EHR 데이터에서 전통적인 거리 기반 군집화와 비교해 본다면, 제안된 방법이 안정성과 해석 가능성 면에서 어떻게 성능을 내는가?
• RQ3 추가 임상적 특징 없이도 원시적인 진단 코드만으로도 임상적으로 의미 있는 환자 표현형을 발견할 수 있는가?
• RQ4 희귀 진단이 포함된 불균형하거나 희박한 EHR 데이터에서도 성능을 유지하는가?
• RQ5 비전문가 의료 관리자가 실시간으로 환자 집단 탐색을 위해 이 방법을 상호작용적으로 사용할 수 있는가?

주요 결과

• 두 데이터셋 모두에서 조정된 랜드 지수(Adjusted Rand Index)가 0.9를 초과하여, 표본에 대한 안정성이 매우 높음을 확인하였으며, 강건성을 입증하였다.
• Tertiarism 데이터셋에서는 심장, 종양, 신장 질환 환자에 해당하는 고유한 프로파일을 가진 6개의 임상적으로 해석 가능한 군집을 식별하였다.
• 군집 4는 질병 빈도 차트에서는 빈도가 낮았음에도 불구하고 종양(암) 환자로 구성되어 있었으며, 이는 높은 진단 다양성으로 인해 가려진 패턴을 탐지할 수 있음을 보여주었다.
• 의료진은 이 방법이 당뇨병성 신증(군집 3)과 심근경색 후 심장 질환(군집 1 및 2)과 같은 알려진 임상 패턴을 성공적으로 식별했다고 평가했다.
• 의료진들은 결과가 기존의 가정 없이 환자 집단에 대한 새로운, 편향 없는 시각을 제공한다고 평가했다.
• 거리 척도가 신뢰할 수 없어지는 고차원적이고 희박한 EHR 환경에서, 이 방법은 전통적인 거리 기반 방법보다 뛰어난 성능을 보였다.