[论文解读] Phenotyping Endometriosis through Mixed Membership Models of Self-Tracking Data

Iñigo Urteaga, Mollie M. McKillop+2 more|arXiv (Cornell University)|Nov 6, 2018

Endometriosis Research and Treatment参考文献 36被引用 6

一句话总结

本研究提出一种混合成员模型，利用来自2,800名女性的自我追踪移动应用数据对子宫内膜异位症进行表型分析，联合建模症状、生活质量及治疗情况。该方法识别出三种稳健且具有临床意义的亚型——重度、中度和轻度，其区分依据为症状负担、治疗史及共病情况，且在临床标准和专家评审中均得到有力验证。

ABSTRACT

We investigate the use of self-tracking data and unsupervised mixed-membership models to phenotype endometriosis. Endometriosis is a systemic, chronic condition of women in reproductive age and, at the same time, a highly enigmatic condition with no known biomarkers to monitor its progression and no established staging. We leverage data collected through a self-tracking app in an observational research study of over 2,800 women with endometriosis tracking their condition over a year and a half (456,900 observations overall). We extend a classical mixed-membership model to accommodate the idiosyncrasies of the data at hand (i.e., the multimodality of the tracked variables). Our experiments show that our approach identifies potential subtypes that are robust in terms of biases of self-tracked data (e.g., wide variations in tracking frequency amongst participants), as well as to variations in hyperparameters of the model. Jointly modeling a wide range of observations about participants (symptoms, quality of life, treatments) yields clinically meaningful subtypes that both validate what is already known about endometriosis and suggest new findings.

研究动机与目标

• 为解决子宫内膜异位症中缺乏标准化表型分型的问题，该病为异质性且尚无已知生物标志物或可靠分期系统。
• 利用移动应用收集的患者自动生成的自我追踪数据，揭示反映临床严重程度和疾病异质性的隐藏亚型。
• 开发一种稳健的无监督建模方法，以应对自我追踪数据中的常见偏差，如追踪频率不一致和多模态变量。
• 通过临床可解释性、似然性评估以及与既定临床指标的比较，验证所识别的亚型。
• 发现文献中尚未认知的新临床关联，例如与特定表型相关的遗传或共病模式。

提出的方法

• 将经典混合成员模型扩展至处理通过Phendo移动应用收集的多模态自我追踪数据（症状、生活质量、治疗、共病）。
• 应用概率生成模型，为每位参与者分配对潜在表型的分布，允许在不同亚型间存在部分成员关系。
• 引入数据正则化和模型超参数调优，以增强对追踪频率变化和模型参数波动的鲁棒性。
• 在未见数据上使用似然性评估来衡量模型拟合度和泛化性能。
• 通过临床专家评审、与专家定义的聚类的纯度评估以及与子宫内膜异位症健康问卷（EHP-30）的假设检验，验证亚型。
• 采用多变量分析评估表型与临床变量（如手术史、共病和症状严重程度）之间的关联。

实验结果

研究问题

• RQ1 无监督混合成员模型能否有效从异质性自我追踪数据中识别出具有生物学和临床意义的子宫内膜异位症亚型？
• RQ2 所识别的表型对患者生成数据中的常见偏差（如追踪频率不规律和数据缺失）是否具有鲁棒性？
• RQ3 所推导的亚型是否与子宫内膜异位症的已知临床特征（如症状负担、共病和手术史）一致？
• RQ4 该模型能否揭示文献中尚未识别的新临床关联，如特定表型与遗传或生活方式因素的关联？
• RQ5 在预测效度和临床相关性方面，这些表型与EHP-30等既定临床测量工具相比如何？

主要发现

• 该模型识别出三种不同的表型亚型——重度、中度和轻度，其主要区分依据为症状负担、生活质量及治疗史。
• 重度表型（表型0）的参与者报告洗澡困难的可能性高出10.67倍，行走一个街区困难的可能性高出5.47倍，表明功能受损严重。
• 表型0患者在日常活动方面出现严重限制的几率显著更高：爬一层楼梯的比值比（OR）为4.42，进行如家务等中等活动的OR为3.45。
• 与其它表型相比，表型0患者接受的腹腔镜手术次数更多（平均1.67次），且在确诊前就诊的医生人数也更多（平均6.16人）。
• 表型2患者有2.50倍更高的几率拥有患子宫内膜异位症的姐妹，提示该亚组可能存在潜在遗传成分。
• 重度表型患者被分类为2期子宫内膜异位症的几率高出10.86倍，凸显了临床分期与患者自报严重程度之间缺乏相关性。