[论文解读] Using Topological Data Analysis for diagnosis pulmonary embolism

Matteo Rucco, Lorenzo Falsetti+5 more|arXiv (Cornell University)|Sep 17, 2014

Clusterin in disease pathology参考文献 27被引用 7

一句话总结

本研究提出了一种基于拓扑数据分析（TDA）的新临床预测规则，用于处理缺失数据并识别关键诊断特征，随后将这些特征输入反向传播人工神经网络（BP-ANN）。该方法的受试者工作特征曲线下面积（AUC）高于传统的Wells评分和修订版日内瓦评分，显示出对肺栓塞（PE）诊断准确性的提升。

ABSTRACT

Pulmonary Embolism (PE) is a common and potentially lethal condition. Most patients die within the first few hours from the event. Despite diagnostic advances, delays and underdiagnosis in PE are common.To increase the diagnostic performance in PE, current diagnostic work-up of patients with suspected acute pulmonary embolism usually starts with the assessment of clinical pretest probability using plasma d-Dimer measurement and clinical prediction rules. The most validated and widely used clinical decision rules are the Wells and Geneva Revised scores. We aimed to develop a new clinical prediction rule (CPR) for PE based on topological data analysis and artificial neural network. Filter or wrapper methods for features reduction cannot be applied to our dataset: the application of these algorithms can only be performed on datasets without missing data. Instead, we applied Topological data analysis (TDA) to overcome the hurdle of processing datasets with null values missing data. A topological network was developed using the Iris software (Ayasdi, Inc., Palo Alto). The PE patient topology identified two ares in the pathological group and hence two distinct clusters of PE patient populations. Additionally, the topological netowrk detected several sub-groups among healthy patients that likely are affected with non-PE diseases. TDA was further utilized to identify key features which are best associated as diagnostic factors for PE and used this information to define the input space for a back-propagation artificial neural network (BP-ANN). It is shown that the area under curve (AUC) of BP-ANN is greater than the AUCs of the scores (Wells and revised Geneva) used among physicians. The results demonstrate topological data analysis and the BP-ANN, when used in combination, can produce better predictive models than Wells or revised Geneva scores system for the analyzed cohort

研究动机与目标

• 为解决临床环境中肺栓塞（PE）诊断延迟和漏诊普遍存在的挑战。
• 克服现有临床预测规则（CPRs）如Wells评分和修订版日内瓦评分的局限性，这些规则依赖于不完整或不一致的数据。
• 开发一种能够处理含缺失值数据集的稳健诊断模型，而传统特征选择方法无法处理此类数据。
• 利用拓扑数据分析（TDA）识别与PE诊断最相关的临床特征。
• 基于TDA识别的特征构建预测模型，采用反向传播人工神经网络（BP-ANN）进行训练，以提升诊断性能。

提出的方法

• 使用Iris软件（Ayasdi Inc.）进行拓扑数据分析（TDA），对含有缺失值的临床数据集进行分析，实现聚类和特征识别，而无需删除数据。
• TDA利用度量函数和透镜函数构建拓扑网络，通过分辨率和增益参数控制分箱和重叠程度，以揭示数据结构和聚类。
• 拓扑网络在PE患者群体中识别出两个显著的尖峰（聚类），并在健康患者中发现子群体，提示非PE相关病理状态。
• 从TDA网络中提取与PE相关的关键特征，并作为输入提供给反向传播人工神经网络（BP-ANN）。
• BP-ANN使用缩放输入（归一化至[-1, 1]）、学习率为0.5、动量为0.9，并经过660个周期训练，输出结果解释为PE概率。
• 使用Rulex 2.0软件实现并评估ANN模型，性能通过ROC曲线和AUC进行评估。

实验结果

研究问题

• RQ1 拓扑数据分析能否有效识别含缺失值临床数据集中有意义的患者亚组及关键诊断特征？
• RQ2 基于TDA的特征选择方法是否能构建出比传统临床预测规则更准确的肺栓塞预测模型？
• RQ3 基于TDA识别特征训练的反向传播人工神经网络是否能优于Wells评分和修订版日内瓦评分等既定评分在PE诊断中的表现？
• RQ4 在临床数据不完整的情况下，拓扑数据分析与神经网络的整合如何提升诊断准确性？
• RQ5 该模型能否作为基于网络的临床决策支持工具，实现实时PE概率估算？

主要发现

• 拓扑网络在PE患者群体中揭示了两个显著的聚类，提示肺栓塞可能存在潜在亚型。
• TDA成功识别出非PE患者中的亚组，提示存在可能模拟PE症状的非PE相关疾病。
• BP-ANN模型的受试者工作特征曲线下面积（AUC）高于Wells评分和修订版日内瓦评分，表明其诊断性能更优。
• 本研究证明TDA能够有效处理含缺失值的数据集，避免因列表删除法导致样本量减少和统计有效性受损。
• BP-ANN模型的基于网络的版本已发布，并可通过cuda.unicam.it公开访问，供临床使用。
• TDA与BP-ANN的整合产生了一种新型临床预测规则，其在PE诊断中优于传统方法。