[논문 리뷰] Unsupervised learning with GLRM feature selection reveals novel traumatic brain injury phenotypes

Aaron J. Masino, Kaitlin A. Folweiler|arXiv (Cornell University)|2018. 11. 30.

Machine Learning in Healthcare참고 문헌 23인용 수 6

한 줄 요약

이 연구는 임상 데이터로부터 새로운 뇌외상(TBI) 표현형을 식별하기 위해 일반화된 낮은 질서 행렬 분해(Genllized Low-Rank Models, GLRM)를 사용한 비지도 기계학습 프레임워크를 제안한다. 이 방법은 기능 및 클러스터링을 위한 특성 선택을 수행하며, 90일 기능 및 인지 결과와 유의미하게 관련된 고유한 기초 특성 프로필을 가진 네 가지 명확히 구분되는 TBI 하위형질을 드러낸다. 이는 표준 그레고리 콧물 스케일(Glasgow Coma Scale, GCS) 분류 방식을 능가한다.

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.

연구 동기 및 목표

• 증상 기반 TBI 분류의 한계를 해결하기 위해, 예를 들어 장기적인 결과와 관련이 없는 그레고리 콧물 스케일(GCS)에 의존하는 방식을 개선하고자 한다.
• 비지도 기계학습을 활용하여 생물학적으로 의미 있는 TBI 표현형을 식별할 수 있는 데이터 기반이며 해석 가능한 방법을 개발하고자 한다.
• 서브유형의 고유한 기초 특성과 예후 의미를 발견함으로써 TBI 연구 및 임상 시험 설계를 향상시키고자 한다.

제안 방법

• 두 단계로 구성된 파ipeline를 사용한다: 첫 번째 단계에서 GLRM은 L1-정규화 최적화를 사용하여 환자 데이터 행렬을 낮은 질서 성분으로 분해함으로써 가장 정보가 많은 특성들을 식별한다.
• GLRM은 수치형 특성에 대해 2차 손실 함수를, 이진 특성에 대해 힌지 손실 함수를 사용하며, 특성 분산으로 정규화하여 다양한 측정 단위 간의 차이를 보정한다.
• 특성 계수 행렬 Y에 대한 L1 정규화는 희박성(sparse)을 촉진하여 원래의 98개 특성 중에서 가장 관련성이 높은 특성들만 선택함으로써 과적합을 줄이고 해석 가능성을 유지한다.
• 선택된 12개 특성은 991명의 TBI 환자를 4개의 표현형으로 클러스터링하는 데 사용되며, 중심점 기반 분할(Partitioning Around Medoids, PAM) 클러스터링을 적용한다.
• 클러스터 안정성은 5개의 교차 검증 폴드를 사용한 방법으로 검증되며, 클러스터 구성의 일관성을 평가하기 위해 쌍별 유사도 지수(Pairwise Similarity Index)를 사용한다.
• 연속형 특성에 대해서는 크루스칼-월리스 검정과 홀름의 다중 비교 검정을, 이진 변수에 대해서는 카이제곱 검정을 사용하여 클러스터 간의 유의미한 차이를 검증한다.

실험 결과

연구 질문

• RQ1 GLRM 기반 특성 선택을 통한 비지도 학습이 현재 임상 기준보다 장기적인 결과를 더 잘 예측할 수 있는 새로운 생물학적으로 의미 있는 TBI 표현형을 식별할 수 있는가?
• RQ2 어떤 기초 임상 특성이 독립적인 TBI 하위형질과 장기적인 기능 상태를 가장 잘 예측하는가?
• RQ3 식별된 TBI 표현형은 GCS 기반 분류와 비교해 볼 때 임상 특성 프로필과 90일 결과에서 어떻게 다를까?
• RQ4 식별된 표현형의 구조는 다양한 데이터 분할에 대해 얼마나 견고하고 재현 가능한가?

주요 결과

• GLRM 특성 선택 과정에서 13개의 초기 특성이 유지되었으며, INR가 낮은 중요도로 인해 제거된 후 최종적으로 12개로 감소하였다. 최종 모델은 네트워크 수분 섭취, 헤마토크리트, 헤모글로빈, 혈소판, 백혈구, 혈액 포도당, AST, PT, PTT, INR, CT에서의 비정상적인 중뇌 틈새, 그리고 외상 유형으로서 낙상 여부를 포함한다.
• 네 가지 명확히 구분되는 TBI 표현형이 식별되었으며, 각각 클러스터 A(n=314), B(n=204), C(n=286), D(n=187)로 구성되며, 기초 특성 프로필이 각각 고유하다.
• 모든 네 개의 클러스터 간 기초 특성에 유의미한 차이가 관찰되었으며(p < 0.05, 크루스칼-월리스 검정), 특히 클러스터 B는 출혈 및 응고 이상의 위험 마커가 높게 나타났다.
• 12개의 90일 기능 및 인지 결과 점수 중 9개가 클러스터 간에 유의미하게 다름(p < 0.05), 이는 표현형이 강력한 예후 가치를 지닌다는 것을 시사한다.
• 반면, GCS 점수에 따라 환자를 분류한 결과에서는 기초 특성이나 90일 결과에 유의미한 차이가 없었으며, 현재 임상 분류의 한계를 드러냈다.
• 이 방법은 높은 클러스터 안정성을 보였으며, 훈련 및 검증 폴드 간 쌍별 유사도 지수가 0.92로 나타나 데이터 분할에 대한 저항력이 높음을 확인했다.