[論文レビュー] A Bootstrap Machine Learning Approach to Identify Rare Disease Patients from Electronic Health Records

Ravi Garg, Shu Dong+2 more|arXiv (Cornell University)|Sep 6, 2016

Machine Learning in Healthcare参考文献 31被引用数 13

ひとこと要約

本論文では、電子歴史記録（EHR）から希少疾患である心筋線維症の患者を同定するためのブートストラップ機械学習手法を提案する。心臓専門医の協力を得て作成された73例の陽性例および197例の陰性例からなるゴールドスタンダードを用い、アンサンブル分類器を用いることで、F1スコア0.98という高い性能を達成した。予測に寄与する主な要因として、年齢、心停止、高血圧が同定された。

ABSTRACT

Rare diseases are very difficult to identify among large number of other possible diagnoses. Better availability of patient data and improvement in machine learning algorithms empower us to tackle this problem computationally. In this paper, we target one such rare disease - cardiac amyloidosis. We aim to automate the process of identifying potential cardiac amyloidosis patients with the help of machine learning algorithms and also learn most predictive factors. With the help of experienced cardiologists, we prepared a gold standard with 73 positive (cardiac amyloidosis) and 197 negative instances. We achieved high average cross-validation F1 score of 0.98 using an ensemble machine learning classifier. Some of the predictive variables were: Age and Diagnosis of cardiac arrest, chest pain, congestive heart failure, hypertension, prim open angle glaucoma, and shoulder arthritis. Further studies are needed to validate the accuracy of the system across an entire health system and its generalizability for other diseases.

研究の動機と目的

• 大規模な電子歴史記録（EHR）において、特に心筋線維症のような希少疾患の患者を同定する課題に対処すること。
• 専門家がアノテートしたゴールドスタンダードデータを活用することで、希少疾患同定におけるデータ不足とラベル付けの難しさを克服すること。
• EHRから潜在的な心筋線維症患者を自動的に同定するための機械学習パイプラインの開発。
• 解釈可能な機械学習を用いて、心筋線維症に関連する予測性の高い臨床的特徴を同定・検証すること。
• 限られたラベル付き例しかない低リソース環境において、ブートストラップ学習アプローチの実現可能性と性能を評価すること。

提案手法

• 経験豊富な心臓専門医との協働により、73例の確認済み心筋線維症例と197例の陰性対照群からなるゴールドスタンダードデータセットを構築した。
• 不均衡なデータに対して一般化性能と予測性能を向上させるために、アンサンブル機械学習分類器を採用した。
• 臨床的妥当性と統計的有意性に基づき、年齢、心停止、胸痛、および高血圧や緑内障などの合併症を含む予測変数を選定した。
• 交差検証を用いてモデル性能を評価し、適合率と再現率のバランスを重視する主な指標としてF1スコアを用いた。
• 限られたラベル付きデータでも、反復的な改善によりモデルの頑健性と特徴選択を高めるために、ブートストラップアプローチを適用した。
• 予測に寄与する最も影響力のある臨床的変数を同定・報告することで、解釈可能性を優先した。

実験結果

リサーチクエスチョン

• RQ1 限られたラベル付きデータしかない状況で、機械学習モデルはEHRから心筋線維症のような希少疾患の患者を効果的に同定できるか？
• RQ2 EHR内のどの臨床的変数が心筋線維症を最も予測可能であり、モデル性能にどのように寄与するか？
• RQ3 アンサンブル学習アプローチは、高適合率と高再現率を達成する希少疾患検出において、単一モデルのベースラインと比べてどのように優れているか？
• RQ4 専門家がアノテートした少数の例しか入手できない状況で、ブートストラップ学習戦略がモデル性能をどの程度向上できるか？
• RQ5 モデルの性能は、異なる医療システムのデータソースに一般化可能か。また、実世界での導入における制限要因は何か？

主な発見

• アンサンブル機械学習分類器は、平均交差検証F1スコア0.98を達成し、心筋線維症患者の同定において優れた性能を示した。
• 主な予測変数には、年齢、心停止の診断、胸痛、虚血性心不全、高血圧、および原発性開口隅角緑内障が含まれた。
• 高い適合率と再現率を示したため、誤検出（偽陽性）と見逃し（偽陰性）の両方を効果的に抑制できていると示された。
• ブートストラップアプローチにより、少数の専門家がアノテートしたデータセットからも、モデルの安定性と特徴選択の質を高める学習が可能になった。
• 肩関節炎や緑内障といった合併症が予測要因として含まれたことは、希少疾患同定において広い臨床的文脈の重要性を示している。
• 結果から、機械学習はEHRにおける希少疾患の早期同定を顕著に支援できる可能性があるが、多様な医療システムでの検証が今後必要であると示唆された。