[論文レビュー] Learning to Identify Patients at Risk of Uncontrolled Hypertension Using Electronic Health Records Data

Ramin Mohammadi, Sarthak Jain+4 more|arXiv (Cornell University)|Jun 28, 2019

Machine Learning in Healthcare参考文献 9被引用数 14

ひとこと要約

本研究では、電子歴史記録（EHR）データを用いて、高血圧患者のうち90日以内に血圧が制御不能になるリスクを予測するための機械学習モデル—ロジスティック回帰およびLSTM—を開発した。最高のモデルはAUC 0.719を達成し、最後の血圧測定値に依存するベースラインモデル（AUC 0.634）を上回った。ロジスティック回帰は、より複雑なRNNと同等の性能を示した。

ABSTRACT

Hypertension is a major risk factor for stroke, cardiovascular disease, and end-stage renal disease, and its prevalence is expected to rise dramatically. Effective hypertension management is thus critical. A particular priority is decreasing the incidence of uncontrolled hypertension. Early identification of patients at risk for uncontrolled hypertension would allow targeted use of personalized, proactive treatments. We develop machine learning models (logistic regression and recurrent neural networks) to stratify patients with respect to the risk of exhibiting uncontrolled hypertension within the coming three-month period. We trained and tested models using EHR data from 14,407 and 3,009 patients, respectively. The best model achieved an AUROC of 0.719, outperforming the simple, competitive baseline of relying prediction based on the last BP measure alone (0.634). Perhaps surprisingly, recurrent neural networks did not outperform a simple logistic regression for this task, suggesting that linear models should be included as strong baselines for predictive tasks using EHR

研究の動機と目的

• EHRデータを用いて、90日以内に制御不能な高血圧に陥る高血圧患者を予測する機械学習モデルの開発および評価。
• LSTMのような高度なモデルが、ロジスティック回帰のような単純なモデルを上回る性能を示すか否かの評価。
• リスク分類に用いるための、制御不能な高血圧を予測する主な臨床的および人口統計的特徴の同定。
• 高リスク患者の早期同定により、予防的でパーソナライズされた介入を支援。
• 医療提供者の報酬に重要な血圧制御指標の向上により、価値基準に基づく医療の支援。

提案手法

• 27,195名の高血圧患者のEHRデータを用いた後向き分析。訓練に14,407名、テストに3,009名を用いた。
• 複数の時間的ポイントにおける過去の血圧測定値（収縮期血圧、拡張期血圧、平均動脈圧）を含む特徴工学的手法。
• 2つのモデルの訓練：L2正則化を施したロジスティック回帰と、時間的パターンを捉えるための長短期記憶（LSTM）ネットワーク。
• 欠損値の補完には、数値変数に対して平均補完法、カテゴリカル変数に対してワンホットエンコーディングを用いた。
• 受信者操作特性曲線下積分（AUROC）を用いたモデル評価。最後の血圧測定値のみに依存するベースラインモデルと比較した。
• モデル係数（ロジスティック回帰）および注目メカニズム（LSTM）を用いた特徴重要度分析により、影響力のある予測要因を同定。

実験結果

リサーチクエスチョン

• RQ1 EHRデータを用いた機械学習モデルは、90日以内に制御不能な高血圧を効果的に予測できるか？
• RQ2 再帰的ニューラルネットワーク（LSTM）を用いることで、単純なロジスティック回帰モデルに比べて予測性能が向上するか？
• RQ3 近い将来における制御不能な高血圧を予測する上で、どの臨床的および人口統計的特徴が最も予測的か？
• RQ4 最後の血圧測定値にのみ依存する単純なベースラインモデルと比較して、モデルの性能はどの程度か？
• RQ5 血圧測定値の時間的トレンドは、リスク予測にどの程度寄与するか？

主な発見

• 最高のモデルはAUC 0.719を達成し、最後の血圧測定値のみに依存するベースラインモデル（AUC 0.634）を顕著に上回った。
• 時間的特徴を組み込んだロジスティック回帰は、より複雑なLSTMモデルと同等の性能を示し、線形モデルがEHRベースの予測タスクにおける強力なベースラインである可能性を示唆した。
• 予測能が最も高い特徴は、特に直近1〜3回の訪問における収縮期血圧値であり、短期的トレンドの重要性を示している。
• 高血圧診断（HTN True）、出血歴（BloodLoss False）、代謝症候群（Mets False）などの変数は、負の係数を示し、低リスクと関連している可能性を示唆した。
• 訪問間隔および人種や婚姻状態などの患者の人口統計的特徴も、予測可能であったが、効果量は小さかった。
• 平均補完法による欠損値の補完が十分であったことが判明したが、より洗練された手法を用いることで、さらなる性能向上が可能である可能性がある。