Structured Transfer Learning for Survival Risk Stratification in Data-Sparse Clinical Cohorts

ملخص تقني: التعلم الانتقالي المهيكل لتصنيف مخاطر البقاء على قيد الحياة في المجموعات السريرية شحيحة البيانات

بيان المشكلة
غالبًا ما تفشل نماذج التنبؤ بالبقاء على قيد الحياة في التعميم بشكل موثوق عند تطبيقها على مجموعات سريرية ذات أحجام عينات محدودة أو عدد قليل من أحداث النتائج المرصودة، مثل الأقليات العرقية غير الممثلة كفاية أو مجموعات الرعاية المحلية المحددة. في هذه الإعدادات "شحيحة البيانات"، تميل النماذجة المقتصرة على المجموعة المستهدفة فقط (target-only) إلى إنتاج درجات مخاطر غير مستقرة وتقديرات غير دقيقة لنسبة الخطر (hazard-ratio) بسبب ظاهرة الرقابة اليمنى (right-censoring) التي تقلل من المعلومات المتاحة. وعلى العكس من ذلك، فإن النماذج المستعارة مباشرة من مجموعات أكبر وأكثر تمثيلًا (source-only)، أو عمليات الدمج الساذجة لبيانات المصدر والمستهدف، غالبًا ما تفشل في مراعاة التباين بين السكان. إذ يمكن للاختلافات في الديموغرافية، وتنوع الحالات، وعمليات القياس، والممارسات السريرية أن تؤدي إلى انزياحات في المتغيرات المستقلة (covariate shifts) وتباين في التأثير، مما يؤدي إلى ضعف القدرة على النقل (transportability) وعدم المساواة في تصنيف المخاطر. علاوة على ذلك، تعمل معظم طرق التعلم متعدد المهام الحالية ضمن بيئة بيانات واحدة، بينما تعتمد طرق التعلم الانتقالي القياسية غالبًا على تكييف نتيجة واحدة في كل مرة، مما يفشل في الاستفادة من الارتباط الهيكلي بين النتائج السريرية المتعددة.

المنهجية: CORE-Cox
لمعالجة هذه التحديات، طور المؤلفون نموذج COhort-shared Rank-rEduced Cox (CORE-Cox)، وهو إطار عمل للتعلم الانتقالي المهيكل ثنائي المرحلة مصمم للتنبؤ بالبقاء على قيد الحياة لنتائج متعددة.

1. المرحلة الأولى: تعلم المصدر (الهيكل منخفض الرتبة):
   في مجموعة مصدر أكبر، يقوم CORE-Cox بتقدير هيكل مشترك لعوامل الخطر عبر $K$ من النتائج المرتبطة. وبدلاً من تعلم متجهات معاملات مستقلة لكل نتيجة، فإنه يفرض قيدًا منخفض الرتبة على مصفوفة المعاملات $B^{(s)} \in \mathbb{R}^{p \times K}$، حيث يمثلها كـ $B^{(s)} = U^{(s)}(V^{(s)})^\top$. وهذا يسمح للنتائج المرتبطة (مثل أمراض التمثيل الغذي والقلب والأوعية الدموية التي تشترك في مسارات بيولوجية) باستعارة القوة الإحصائية من خلال عدد أصغر من أنماط الخطر الكامنة مع الحفاظ على المتجهات الخاصة بكل نتيجة.

2. المرحلة الثانية: تكييف الهدف (تصحيح البواقي المنظم):
   يتم بعد ذلك تكييف مصفوفة معاملات المصدر المقدرة مع مجموعة هدف أصغر من خلال تصحيح البواقي: $B^{(t)} = \hat{B}^{(s)} + \Theta$. حيث تلتقط $\Theta$ الانحرافات الخاصة بالهدف عن نموذج المصدر. يتم تقدير مصفوفة البواقي هذه باستخدام دالة احتمالية جزئية لنموذج Cox مع تطبيق عقوبة (penalty) داخل مجموعة الهدف. وتتحكم قوة العقوبة في درجة الاستعارة: فالعقوبة القوية تقلص نموذج الهدف نحو هيكل المصدر، بينما تسمح العقوبة الضعيفة بتكيف أكبر خاص بالهدف.

يحافظ الإطار على قابلية التفسير لنماذج Cox ولا يتطلب توزيعًا مشتركًا لأوقات الأحداث المتعددة. وقد تم تقييمه باستخدام التحقق المتقاطع المتداخل المتكرر (repeated nested cross-validation) مقابل سبعة معايير مرجعية: (target-only Cox) التقليدي، وLasso، وRidge، ونماذج المهام المتعددة منخفضة الرتبة (المدربة على بيانات الهدف أو المصدر أو البيانات المدمجة)، والانتقال المباشر للمصدر، وانتقال البواقي للنتيجة الواحدة.

النتائج الرئيسية
قيمت الدراسة CORE-Cox في إعدادين متميزين:

• UK Biobank: مجموعة سكانية ذات مصدر من العرق الأبيض/الأوروبي ($n=150,093$) وهدف من العرق الآسيوي ($n=2,534$).
• MIMIC-IV: قاعدة بيانات سجلات صحية إلكترونية لوحدة العناية المركزة، بمصدر أبيض ($n=15,997$) وهدف آسيوي ($n=672$).

عبر تسع نتائج للأمراض المزمنة والوفيات في كلا المجموعتين، حقق CORE-Cox باستمرار أفضل أو أقرب النتائج في التمييز (المقاس بمعامل التوافق C-index):

• UK Biobank: تحسن متوسط معامل التوافق في مجموعة الهدف من 0.733 (نموذج Cox التقليدي للمجموعة المستهدفة فقط) إلى 0.766 مع CORE-Cox.
• MIMIC-IV: تحسن متوسط معامل التوافق من 0.628 إلى 0.658، مع ملاحظة مكاسب في ثمانية من أصل تسعة من النتائج.

بالإضافة إلى ذلك، ساهم CORE-Cox في تحسين تحديد الأفراد ذوي المخاطر العالية. ففي أعلى 15% من المخاطر المتوقعة، كان متوسط رفع معدل الأحداث هو 3.16 في UK Biobank و1.85 في MIMIC-IV. وأظهر تحليل نسبة الخطر (Hazard-ratio) أن تقديرات CORE-Cox كانت غالبًا وسيطة بين نماذج المصدر فقط ونماذج الهدف فقط، مع فترات ثقة أضيق من نماذج الهدف فقط، مما يشير إلى تحسن في استقرار التقدير دون مجرد إعادة إنتاج نموذج المصدر. وأكدت دراسات المحاكاة أن CORE-Cox قلل من خطأ تقدير المعاملات مقارنة بنموذج Cox الخاص بالمجموعة المستهدفة فقط، لا سيما عندما كانت أحجام عينات الهدف صغيرة والاختلافات بين المصدر والهدف معتدلة.

الأهمية والادعاءات
يزعم البحث أن CORE-Cox يوفر نهجًا تفسيريًا للتعلم الانتقالي المهيكل مخصصًا لتصنيف مخاطر البقاء على قيد الحياة في المجموعات السريرية شحيحة البيانات. وتتمثل مساهمته الأساسية في فصل هيكل مخاطر النتائج المشترك (المتعلم في المصدر) عن تكييف البواقي الخاص بالهدف. وهذا يقدم بديلًا عمليًا لثلاث استراتيجيات شائعة ولكنها معيبة:

1. النمذجة غير المستقرة داخل المجموعة (الهدف فقط).
2. الدمج الساذج للمجموعات المتباينة.
3. الانتقال المباشر غير المعدل من المجموعات الأكبر.

يؤكد المؤلفون على ضرورة اختبار قابلية النقل بدلاً من افتراضها في المجموعات الصغيرة. وبينما يظهر المنهج واعدًا في تحسين ترتيب المخاطر النسبية وتحديد الحالات عالية الخطورة، يشير البحث صراحةً إلى أن هناك حاية لمزيد من التقييم قبل إمكانية استخدام CORE-Cox لـ التنبؤ بالمخاطر المطلقة المعايرة أو اتخاذ القرارات السريرية المباشرة. لا يدعي البحث حل جميع مشكلات ندرة البيانات، ولكنه يوضح أن الاستفادة من هيكل النتائج المتعددة عبر النمذجة منخفضة الرتبة، بالتزامن مع تكييف البواقي المنظم، يمكن أن يخفف بفعالية من عدم الاستقرار في المجموعات غير الممثلة كفاية.