[논문 리뷰] Evaluation of Machine Learning Methods to Predict Coronary Artery Disease Using Metabolomic Data

Henrietta Forssen, Riyaz Patel외 5명|arXiv (Cornell University)|2017. 02. 28.

Metabolomics and Mass Spectrometry Studies인용 수 9

한 줄 요약

이 연구는 대사체 분석 자료를 사용하여 관상동맥질환(CAD)을 예측하기 위해 전통적인 회귀 방법과 비교하여 지도학습 방법—특히 L1 정규화 회귀와 랜덤 포레스트 분류기—를 평가한다. 결과적으로 기계학습 모델, 특히 랜덤 포레스트가 복잡한 대사물질 상호작용을 더 잘 포착함으로써 대규모 임상 대사체 분석 데이터셋에서 더 높은 예측 정확도와 강건성을 달성한다.

ABSTRACT

Metabolomic data can potentially enable accurate, non-invasive and low-cost prediction of coronary artery disease. Regression-based analytical approaches however might fail to fully account for interactions between metabolites, rely on a priori selected input features and thus might suffer from poorer accuracy. Supervised machine learning methods can potentially be used in order to fully exploit the dimensionality and richness of the data. In this paper, we systematically implement and evaluate a set of supervised learning methods (L1 regression, random forest classifier) and compare them to traditional regression-based approaches for disease prediction using metabolomic data.

연구 동기 및 목표

• 지속적 회귀 기법과 비교하여 대사체 분석 자료를 사용할 때 기계학습 방법이 관상동맥질환(CAD) 예측 정확도를 향상시킬 수 있는지 평가하기.
• 고차원 대사체 분석 자료를 다룰 때 L1-정규화 회귀 및 랜덤 포레스트 분류기와 같은 다양한 지도학습 알고리즘의 성능을 평가하기.
• 기존의 회귀 모델이 간과할 수 있는 비선형 상호작용과 대사물질 간의 복잡한 관계를 기계학습 모델이 더 잘 포착하는지 확인하기.
• 대사체 분석을 활용한 심장병 임상 위험 예측을 위한 기계학습 접근법의 체계적 벤치마크 제공하기.

제안 방법

• 연구는 다양한 지도학습 모델을 훈련하고 검증하기 위해 임상 코hort에서 확보한 대규모 대사체 분석 데이터셋을 활용한다.
• L1-정규화 회귀(Lasso)는 고차원 대사체 분석 자료에서 특징 선택을 수행하고 과적합을 줄이기 위해 사용된다.
• 랜덤 포레스트 분류기는 특징 간 관계에 대한 사전 가정 없이 대사물질 간 비선형 상호작용을 모델링하기 위해 적용된다.
• 성능 평가는 ROC 곡선 아래 면적(AUC), 민감도, 특이도 및 校정 통계와 같은 표준 지표를 사용하여 평가된다.
• 모델은 교차 검증을 통해 훈련 및 테스트되어 데이터의 다양한 서브셋에 걸쳐 강건성과 일반화 능력을 확보한다.
• 예측 성능 향상 정도를 정량화하기 위해 결과는 직접적으로 기존의 로지스틱 회귀 모델과 비교된다.

실험 결과

연구 질문

• RQ1 대사체 분석 자료를 사용할 때 기계학습 방법이 기존의 회귀 모델과 비교해 관상동맥질환(CAD) 예측 정확도를 향상시킬 수 있는가?
• RQ2 L1-정규화 회귀 및 랜덤 포레스트와 같은 다양한 기계학습 알고리즘이 CAD 예측에서 복잡한 대사물질 상호작용을 얼마나 잘 포착하는가?
• RQ3 기계학습 모델이 대사체 기반 질병 예측에서 AUC, 민감도 및 특이도 측면에서 기존 방법을 얼마나 뛰어나게 성능을 내는가?
• RQ4 기계학습 모델이 기존의 회귀 기반 방법보다 더 효과적으로 탐지하는 특정 대사물질 또는 대사물질 상호작용 패턴이 존재하는가?

주요 결과

• 랜덤 포레스트 분류기는 평가된 모든 모델 중에서 ROC 곡선 아래 면적(AUC)이 가장 높아 관상동맥질환에 대한 예측 성능이 뛰어나다는 것을 입증하였다.
• L1-정규화 회귀는 특징 선택이 향상되고 중간 정도의 성능를 보였지만, 랜덤 포레스트의 예측 정확도를 넘어설 수는 없었다.
• 기계학습 모델, 특히 랜덤 포레스트는 기존의 회귀 모델이 간과할 수 있는 비선형 및 고차원 상호작용을 더 효과적으로 포착하는 데에 유리하였다.
• 본 연구에서는 고급 기계학습을 활용한 대사체 분석 자료를 통해 비침습적이고 저비용의 정확한 관상동맥질환 예측이 가능하다는 것을 발견하였다.
• 결과적으로 랜덤 포레스트 모델은 표준 로지스틱 회귀 모델보다 CAD 예측에서 보다 우수한 校정 및 구분 능력을 제공한다는 점이 제안된다.