Что такое предсказание болезни Альцгеймера с помощью машинного обучения?

Предсказание болезни Альцгеймера с помощью машинного обучения — создание моделей на основе медицинских данных для оценки риска развития болезни и раннего выявления на доклинической стадии.

Какие данные использовались в исследовании Park et al.?

Использована кохорта NHIS-NSC (Южная Корея), отобраны 40 736 взрослых старше 40 лет с демографией, диагнозами, рецептами, лабораторными показателями и социодемографическими данными.

Какие методы машинного обучения применялись и как оценивали модели?

Применялись случайный лес, SVM с линейным ядром и логистическая регрессия; обучение проводилось со стратифицированной кросс‑валидацией. Оценивали AUC, чувствительность и специфичность.

Какие признаки связаны с повышенным риском Альцгеймера?

Положительно связаны: возраст, белок в моче, назначение зотепина. Отрицательно связаны: понижение гемоглобина, назначение никометата цитрата, дегенеративные расстройства нервной системы и заболевания наружного уха.

Насколько точны модели при прогнозировании на 0 и 4 года?

На горизонте 0 лет AUC достигала примерно 0.79–0.90 (лучший случайный лес); на 4 года AUC снижалась до примерно 0.64–0.73, с уменьшением точности и чувствительности.

Можно ли обнаружить риск Альцгеймера только по административным медицинским данным?

Выявление риска Альцгеймера на основе административных данных возможно, но требует репликации и валидации в разных странах и системах здравоохранения для подтверждения переносимости моделей.

Прогноз болезни Альцгеймера с помощью ML: 40 736 случаев

В этой статье Антонио Хавьер Сутиль Хименес рассказывает об исследовании «Прогнозирование заболеваемости болезнью Альцгеймера с помощью машинного обучения на основе крупномасштабных административных медицинских данных».

Почему важно исследование по прогнозированию болезни Альцгеймера с помощью машинного обучения?

Развитие технологий порой даёт неожиданные решения медицинских проблем. Пример — использование административных медицинских данных для создания прогностических моделей риска болезни Альцгеймера.

Главная новизна работы Park и соавторов — использование огромного массива данных, который, как отмечают исследователи, во многих случаях ещё не освоен. Таким образом, оцифровка медицинских карт стала ценнейшим ресурсом, позволяющим сократить усилия и затраты на сбор данных.

Тем не менее её применение к таким заболеваниям, как болезнь Альцгеймера, было ограниченным. Отчасти эту проблему удалось решить благодаря росту вычислительных мощностей, позволяющему применять методы машинного обучения к анализу данных и создавать прогностические модели, репрезентативные для популяции, благодаря достаточно большим выборкам.

Исходная предпосылка исследования

Исследование исходит из того, что использование данных людей с риском болезни Альцгеймера позволит лучше выявлять на ранней стадии случаи в доклинической фазе и, следовательно, улучшить терапевтические стратегии.

Для этого группа исследователей получила доступ к базе данных национальной системы здравоохранения Кореи, содержащей более 40 000 медицинских карт людей старше 65 лет с большим объёмом информации: личный и семейный анамнез, социально-демографические данные, диагнозы, лекарства и т. д.

Что было сделано?

Набор данных

Для исследования была взята когорта NHIS-NSC (The National Health Insurance Service–National Sample Cohort) Южной Кореи, включавшая более миллиона участников, за которыми наблюдали одиннадцать лет (с 2002 по 2013 год).

База данных содержала информацию о медицинских услугах, диагнозах и назначениях каждого человека, а также клинические характеристики, включая демографические данные, уровень дохода по месячной заработной плате, коды заболеваний и лекарств, лабораторные показатели, профили здоровья и личный и семейный анамнез заболеваний. Из этой выборки для исследования были отобраны 40 736 взрослых старше 40 лет.

Операциональное определение болезни Альцгеймера

Затем было создано операциональное определение болезни Альцгеймера на основе алгоритма из предыдущего канадского исследования.

Этот алгоритм показал чувствительность 79 % и специфичность 99 % и включал коды госпитализации, медицинские заявки и специфические для болезни Альцгеймера рецепты.

Для повышения точности выявления болезни использовались метки «definite AD» для случаев с высокой степенью уверенности и «probable AD» для случаев, подтверждённых только кодами МКБ-10 (Международной классификации болезней), чтобы свести к минимуму ложноотрицательные результаты. С этими метками распространённость болезни Альцгеймера составила 1,5 % для «definite AD» и 4,9 % для «probable AD».

Анализ

Для анализа и обработки данных использовались такие признаки, как возраст и пол, а также 21 переменная из базы NHIS-NSC, включая профили здоровья и семейный анамнез заболеваний, и более 6 000 переменных, полученных из кодов МКБ-10 и кодов лекарств.

После описания признаков они были выровнены по моменту постановки диагноза у каждого человека по кодам МКБ-10 и кодам лекарств. Это позволило исключить редкие заболевания и редко встречающиеся коды лекарств. Кроме того, из анализа были исключены люди без новых медицинских данных за последние два года. Итоговый набор переменных, использованных в моделях, включал 4 894 уникальных признака.

Для прогнозов на «n» лет в группе с болезнью Альцгеймера использовались временные окна с 2002 года до года постановки диагноза. В группе без болезни брались данные с 2002 по 2010−n год.

Наконец, перед внедрением модели были созданы обучающая, валидационная и тестовая выборки — как на сбалансированном случайно отобранном наборе данных, так и на несбалансированном.

Применение методов машинного обучения (ML)

Затем был проведён анализ данных с применением методов машинного обучения, таких как случайный лес, метод опорных векторов с линейным ядром и логистическая регрессия.

Обучение, валидация и тестирование проводились с помощью стратифицированной кросс-валидации с 5 итерациями.

Отбор признаков проводился в обучающих выборках методом порога дисперсии, а обобщающая способность модели оценивалась на тестовых выборках.

Для оценки качества модели использовались стандартные метрики: площадь под ROC-кривой, чувствительность и специфичность.

Подробнее о том, как проводилось исследование, рекомендуем прочитать оригинальную статью.

Каковы главные выводы этого исследования по прогнозированию болезни Альцгеймера с помощью машинного обучения?

Работа подчёркивает потенциал методов машинного обучения на основе данных как многообещающего инструмента прогнозирования риска деменции альцгеймеровского типа.

Главное преимущество исследования

У этого исследования большое преимущество перед другими подходами, основанными на данных нейровизуализации или нейропсихологической оценки: оно проводилось исключительно на административных данных.

Если другие исследования сосредоточены на группах, уже находящихся в ситуации реального клинического риска или достаточно обеспокоенных, чтобы обратиться к врачу, этот подход использует доступность административных данных для выявления риска без предварительной клинической оценки.

	Definite AD	Probable AD	Non-AD
№	614	2026	38.710
Возраст	80.7	79.2	74.5
Пол (мужчины, женщины)	229, 285	733, 1293	18.200, 20.510

Таблица 1. Упрощённые данные о характеристиках выборки. Для более точных данных и большего числа характеристик см. таблицу 1 оригинальной работы.

Ниже представлены сравнительные таблицы definite AD и non AD, а также probable AD и non AD для горизонтов прогноза 0 и 4 года со всеми классификаторами, использованными в исследовании.

Горизонт прогноза	Классификатор	Метрики
		Точность	AUC	Чувствительность	Специфичность
0 лет	Логистическая регрессия	0.76	0.794	0.726	0.793
	Метод опорных векторов	0.763	0.817	0.795	0.811
	Случайный лес	0.823	0.898	0.509	0.852
4 года	Логистическая регрессия	0.627	0.661	0.509	0.745
	Метод опорных векторов	0.646	0.685	0.538	0.754
	Случайный лес	0.663	0.725	0.621	0.705

Definite AD vs Non AD.

Горизонт прогноза	Классификатор	Метрики
		Точность	AUC	Чувствительность	Специфичность
0 лет	Логистическая регрессия	0.763	0.783	0.689	0.783
	Метод опорных векторов	0.734	0.794	0.652	0.816
	Случайный лес	0.788	0.850	0.723	0.853
4 года	Логистическая регрессия	0.611	0.644	0.516	0.707
	Метод опорных векторов	0.601	0.641	0.465	0.738
	Случайный лес	0.641	0.683	0.603	0.679

Probable AD vs non AD.

Обе таблицы — упрощённые версии таблиц оригинальной статьи. Здесь число горизонтов прогноза сокращено до двух (0 и 4 года).

Выводы для прогнозирования

Ещё один важный момент статьи — найденные значимые для прогноза признаки. Они описаны как положительно или отрицательно связанные с заболеваемостью болезнью Альцгеймера. К признакам, положительно связанным с развитием болезни, относятся возраст, наличие белка в моче и назначение зотепина (антипсихотика).

Были также выявлены признаки, связанные с заболеваемостью отрицательно, например снижение гемоглобина, назначение никаметата цитрата (вазодилататора), дегенеративные расстройства нервной системы и заболевания наружного уха.

Кроме того, модель проверили только на 20 наиболее значимых признаках, и оказалось, что её точность для 0 и 1 года очень близка к исходной.

Возможно ли выявление на основе административных медицинских данных?

Итак, вывод исследования таков: выявлять людей с риском болезни Альцгеймера только на основе административных медицинских данных возможно. Однако авторы оставляют открытой возможность подтверждения этих результатов в будущих исследованиях в других странах и системах здравоохранения. Их воспроизведение стало бы важной вехой, позволяющей раньше и точнее выявлять людей из группы риска.

Чем NeuronUP мог бы помочь в подобном исследовании?

У NeuronUP есть научный опыт в двух основных областях:

поддержка исследовательских групп, интересующихся технологиями;
собственные работы для публикации в журналах с высоким научным импактом.

В частности, для исследований, подобных рассмотренному в этой статье, мы считаем, что при доступе к большим наборам данных, как описанные, у NeuronUP есть необходимая команда и опыт, чтобы:

с одной стороны, применять сложные методы машинного обучения, подобные упомянутым в статье;
с другой — участвовать в планировании исследования. То есть у нас есть команда, способная формулировать вопросы на основе существующей научной литературы и проводить исследования, управляемые данными (data-driven).

Особенность исследований data-driven в том, что они сосредоточены на анализе и интерпретации данных. Этот подход основан на использовании больших объёмов данных для выявления скрытых закономерностей и тенденций.

Новые технологии и передовые методы анализа, необходимые для работы с такими большими наборами данных, ещё несколько лет назад были труднодоступны для большинства исследователей. Поэтому этот подход важен и необходим при наличии больших объёмов данных, поскольку может дать новые выводы, недостижимые методами, основанными только на теории.

Библиография

Park, J.H., Cho, H.E., Kim, J.H. et al. Machine learning prediction of incidence of Alzheimer’s disease using large-scale administrative health data. npj Digit. Med. 3, 46 (2020). https://doi.org/10.1038/s41746-020-0256-0

Если вам понравилась эта запись в блоге о прогнозировании заболеваемости болезнью Альцгеймера с помощью машинного обучения на основе крупномасштабных административных медицинских данных, вас наверняка заинтересуют эти статьи NeuronUP: