📊 statistics

Landmarking with Latent Class Mixed Models for Dynamic Prediction of Time-to-event Data with Heterogeneous Biomarker Trajectories

Dieses Paper schlägt einen recheneffizienten Landmarking-Ansatz vor, der mit latenten Klassen-Mixed-Modellen integriert ist, implementiert im R-Paket `landmaRk`, um die dynamische Zeit-bis-Ereignis-Vorhersage für groß angelegte EHR-Daten zu verbessern, indem heterogene Biomarker-Trajektorien berücksichtigt werden, welche traditionelle Methoden nicht erfassen können.

Ursprüngliche Autoren: Víctor Velasco-Pardo, Nathan Constantine-Cooke, Charlie W. Lees, Catalina A. Vallejos

Veröffentlicht 2026-06-24

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Víctor Velasco-Pardo, Nathan Constantine-Cooke, Charlie W. Lees, Catalina A. Vallejos

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Ganze: Die Zukunft aus einer chaotischen Vergangenheit vorhersagen

Stellen Sie sich vor, Sie versuchen vorherzusagen, wer ein Langstreckenrennen gewinnen wird. Sie haben eine riesige Liste von Läufern (Patienten) und haben deren Geschwindigkeit (Biomarker) jedes Mal verfolgt, wenn sie einen Kontrollpunkt passieren.

In der medizinischen Welt haben Ärzte Zugang zu riesigen digitalen Datensätzen (Elektronische Patientenakten), die diese Geschwindigkeitskontrollen für Tausende von Menschen enthalten. Das Ziel ist es, diese Historie zu nutzen, um vorherzusagen, wer vorzeitig aus dem Rennen ausscheiden könnte (ein gesundheitliches Ereignis erleidet).

Es gibt jedoch ein Problem: Nicht alle Läufer sind gleich.
Einige Läufer starten schnell und werden dann langsamer. Andere starten langsam und sprinten am Ende. Einige haben versteckte Verletzungen, die wir nicht sehen können. Traditionelle Vorhersagewerkzeuge gehen oft davon aus, dass alle auf derselben Strecke mit demselben Stil laufen und lediglich Anpassungen für Dinge vornehmen, die wir sehen können (wie Alter oder Geschlecht). In der Realität gibt es jedoch verborgene „Subgruppen“ von Läufern mit völlig unterschiedlichen Mustern.

Dieses Paper stellt eine neue Methode vor, um Rennergebnisse vorherzusagen, die diese verborgenen Gruppen berücksichtigt – und das, ohne sich in schwerer Mathematik zu verfangen, die Computer zum Absturz bringt.

Die alten Wege: Die „Zuletzt gesehen“-Methode und der „Supercomputer“

Vor diesem Paper gab es zwei Hauptwege, um diese Vorhersagen zu treffen:

Die „Zuletzt gesehen“-Methode (LOCF):
Stellen Sie sich einen Trainer vor, der einen Läufer beobachtet und sagt: „Okay, das letzte Mal, als ich dich gesehen habe, bist du mit 5 mph gelaufen. Ich nehme an, dass du bis zum nächsten Kontrollpunkt weiter mit 5 mph läufst.“
- Der Fehler: Dies ignoriert die Tatsache, dass der Läufer zwischen den Kontrollen gestolpert, schneller geworden oder langsamer geworden sein könnte. Es ist eine grobe Schätzung, die Messfehler ignoriert.
Die „Supercomputer“-Methode (Joint Models):
Diese Methode versucht, gleichzeitig eine perfekte, komplexe 3D-Karte des Pfades jedes einzelnen Läufers und dessen Chance, auszuscheiden, zu erstellen.
- Der Fehler: Sie ist unglaublich schwerfällig. Wenn man Daten von 100.000 Menschen hat, ist diese Methode wie der Versuch, ein Puzzle mit einer Million Teilen mit einem Taschenrechner zu lösen. Es dauert zu lange und scheitert oft an großen Datensätzen.

Es gab auch eine Methode namens Joint Latent Class Models, die versuchte, verborgene Gruppen (wie „Sprinter“ vs. „Marathonläufer“) zu finden, aber diese war genauso schwerfällig und langsam wie die Supercomputer-Methode.

Die neue Lösung: Der „Intelligente Landmark“

Die Autoren schlagen eine neue Strategie vor, die Landmarking mit Latent Class Mixed Models (LCMM) genannt wird. Betrachten Sie dies als ein modulares, intelligentes Kontrollpunktsystem.

1. Das Landmark-Konzept (Die Kontrollpunkte)

Anstatt zu versuchen, das gesamte Rennen auf einmal vorherzusagen, wählen Sie spezifische Zeitpunkte (Landmarks), wie zum Beispiel „Monat 6“ oder „Jahr 2“.

Im Monat 6 schauen Sie nur auf die Menschen, die noch im Rennen sind.
Sie betrachten deren bisherige Geschichte bis zu diesem Punkt.
Sie treffen eine Vorhersage für die nächsten Monate.
Dann gehen Sie zum Monat 7 über und wiederholen den Vorgang.

Dies ist flexibel. Es bewältigt die Tatsache, dass Menschen zu unterschiedlichen Zeiten in die Studie eintreten oder sie verlassen, was in realen Krankenhausdaten üblich ist.

2. Die Geheimzutat: Verborgene Gruppen finden (LCMM)

Hier glänzt das Paper. Wenn die bisherige Geschichte bis zu einem Kontrollpunkt betrachtet wird, fragt die neue Methode: „Gehört dieser Läufer zu einer verborgenen Gruppe?“

Stellen Sie sich vor, die Läufer sind eigentlich drei verschiedene Tierarten:

Gruppe A: Startet hoch, sinkt tief ab und schnellt dann nach oben.
Gruppe B: Bleibt stabil in der Mitte.
Gruppe C: Startet hoch und sinkt langsam ab.

Alte Methoden würden vielleicht einfach alle mitteln. Die neue Methode nutzt Latent Class Mixed Models (LCMM), um zu sagen: „Ah, dieser Läufer sieht aus wie ein Tier der Gruppe A.“ Sie nutzt dann das spezifische Muster der Gruppe A, um die Vorhersage zu treffen.

Entscheidend ist, dass die Autoren herausgefunden haben, dass das Wissen um das Gruppenlabel wichtiger ist als die exakte Mathematik des Pfades. Selbst wenn die Mathematik, die die exakte Geschwindigkeit vorhersagt, ähnlich ist wie bei alten Methoden, liefert das Wissen darüber, zu welcher Gruppe die Person gehört, einen enormen Genauigkeitsschub.

3. Das Werkzeug: `landmaRk`

Die Autoren haben nicht nur eine Theorie geschrieben; sie haben ein Schweizer Taschenmesser dafür gebaut. Sie haben ein kostenloses Softwarepaket namens landmaRk entwickelt.

Modular: Sie können Teile austauschen. Möchten Sie eine einfache „Zuletzt gesehen“-Methode verwenden? Kein Problem. Möchten Sie die neue „Verborgene Gruppen“-Methode verwenden? Kein Problem. Möchten Sie einen anderen Überlebensrechner ausprobieren? Sie können ihn einfach einbauen.
Schnell: Es ist darauf ausgelegt, auf massiven Datensätzen (wie Krankenhausakten) zu laufen, ohne abzustürzen, anders als die schweren Supercomputer-Methoden.

Was haben sie getestet?

Sie haben dies auf zwei Arten getestet:

Die Simulation (Das Übungsrennen):
Sie erstellten fiktive Daten, bei denen sie die „Wahrheit“ kannten (es gab genau 3 verborgene Gruppen).
- Ergebnis: Die neue Methode (Landmarking + Verborgene Gruppen) war wesentlich besser darin, das Ergebnis vorherzusagen, als die alte „Zuletzt gesehen“-Methode oder die schweren Supercomputer-Methoden. Sie war zudem schneller.
- Wichtigste Erkenntnis: Der größte Gewinn kam dadurch, dass das Modell sagte, zu welcher Gruppe die Person gehört, und nicht nur durch die Mathematik ihrer Geschwindigkeit.
Die echten Daten (Der AIDS-Datensatz):
Sie verwendeten reale historische Daten aus einer klinischen Studie über HIV/AIDS-Patienten und verfolgten deren CD4-Zahlen (ein Maß für die Immungesundheit), um den Tod vorherzusagen.
* Ergebnis: Die neue Methode war auch hier den alten Methoden überlegen. Sie fand verborgene Muster in der Veränderung des Immunsystems der Patienten, die die alten Methoden übersehen hatten.
* Hinweis: Die Supercomputer-Methoden (Joint Models) waren langsamer und tatsächlich weniger genau bei der Kalibrierung (also beim Treffen der richtigen Wahrscheinlichkeiten) als der neue modulare Ansatz.

Das Fazit

Das Paper behauptet, dass wir durch die Kombination von Landmarking (Überprüfung des Rennens zu spezifischen Zeiten) mit Latent Class Models (Finden verborgener Gruppen ähnlicher Läufer) gesundheitliche Ergebnisse viel besser und schneller vorhersagen können als bisher.

Zudem haben sie der medizinischen Gemeinschaft ein kostenloses, flexibles Werkzeug (landmaRk) zur Verfügung gestellt, um dies einfach umzusetzen, was es Forschern ermöglicht, verschiedene mathematische Strategien zu kombinieren, ohne Mathematiker oder Programmier-Wizards sein zu müssen.

Kurz gesagt: Sie haben einen Weg gefunden, verborgene Muster in unordentlichen medizinischen Daten zu erkennen, um bessere Vorhersagen zu treffen, und sie haben ein benutzerfreundliches Toolkit gebaut, um dies zu ermöglichen, ohne den Computer zu überlasten.

Technisches Resümee: Landmarking mit Latent Class Mixed Models zur dynamischen Vorhersage

Problemstellung
Die zunehmende Zugänglichkeit elektronischer Gesundheitsakten (EHR) bietet Möglichkeiten für die dynamische Risikovorhersage von Zeit-zu-Ereignis-Ergebnissen unter Verwendung wiederholter Messungen zeitvariabler Kovariaten, wie etwa Biomarker. Bestehende Methoden der dynamischen Vorhersage stehen jedoch vor erheblichen Einschränkungen bei der Anwendung auf reale biomedizinische Daten.

Homogenitätsannahme: Traditionelles Landmarking und Joint Models für longitudinale und Überlebensdaten (JMLS) nehmen typischerweise an, dass longitudinale Trajektorien über Individuen hinweg homogen sind und Heterogenität nur durch beobachtete Kovariaten oder dünn-tailige Random Effects (z. B. Normalverteilungen) erfasst wird. Diese Annahme versagt, wenn latente Populationsstrukturen vorliegen – also Subgruppen von Individuen, die distinkte Trajektoriemuster und Risikoprofile teilen, welche nicht durch beobachtete Kovariaten erklärt werden können.
Rechenskalierbarkeit: Während Joint Latent Class Models (JLCM) eine solche latente Heterogenität berücksichtigen können, sind sie rechenintensiv und skalieren oft nicht gut auf große EHR-Datensätze. Darüber hinaus erfordern JLCMs und JMLS oft einen gemeinsamen Baseline-Zeitpunkt ( $t=0$ ) für alle Individuen, was inkompatibel mit den typischen variierenden Follow-up-Zeiten sowie dem Zu- und Abfluss von Patienten in EHR-Settings ist.
Software-Einschränkungen: Bestehende Software für die Landmarking-Analyse ist oft starr und beschränkt die Nutzer typischerweise auf „Last Observation Carried Forward“ (LOCF) oder Lineare Mixed Effects (LME) Modelle zur Zusammenfassung von Trajektorien sowie Cox Proportional Hazards Modelle für das Überleben. Dies schränkt die Fähigkeit ein, flexiblere, heterogenitätsbewusste Strategien zu implementieren.

Methodik
Die Autoren schlagen einen neuartigen heterogenitätsbewussten Landmarking-Ansatz vor, der Latent Class Mixed Models (LCMM) in das Landmarking-Framework integriert. Die Methodik funktioniert wie folgt:

Landmarking-Framework: Der Ansatz passt sequentielle Überlebensmodelle zu vordefinierten Landmark-Zeiten ( $s$ ) an. Zu jedem Zeitpunkt $s$ wird die Risiko-Gruppe ( $R_s$ ) identifiziert (Individuen, die bis zum Zeitpunkt $s$ ereignisfrei sind).
Longitudinale Zusammenfassung via LCMM: Anstatt LOCF oder Standard-LME zu verwenden, nutzt die Methode LCMMs, um die bis zum Zeitpunkt $s$ $s$ beobachtete longitudinale Trajektorie $Y_i(s)$ $Y_{i} (s)$ für die Individuen in $R_s$ $R_{s}$ zu modellieren.
- Das LCMM nimmt an, dass die Population aus $G$ latenten Klassen besteht, die jeweils über distinkte Trajektoriemuster verfügen.
- Die Klassenzugehörigkeit wird mittels multinomialer logistischer Regression modelliert.
- Für jedes Individuum berechnet die Methode die posterioren Wahrscheinlichkeiten der Klassenzugehörigkeit ( $\hat{\pi}_{ig}$ ) basierend auf den beobachteten Daten.
- Trajektorien-Zusammenfassung ( $\hat{y}_i(s)$ ): Um die Unsicherheit bei der Klassenzuweisung zu berücksichtigen, mittelt die Methode die klassenspezifischen Trajektorien-Vorhersagen, gewichtet durch die posterioren Wahrscheinlichkeiten: $\hat{y}_i(s) = \sum \hat{\pi}_{ig} \hat{y}_i(s | c_i=g)$ .
- Input des Cluster-Labels: Die Methode zieht auch die Berücksichtigung des vorhergesagten Cluster-Labels ( $\hat{c}_i$ ) als Kovariate in das Überlebensmodell in Betracht, was eine sparsame Zusammenfassung der Trajektorienform ermöglicht.
Überlebensmodellierung: Ein landmark-spezifisches Überlebensmodell (z. B. Cox PH) wird unter Verwendung der zusammengefassten Trajektorie $\hat{y}_i(s)$ und optional des vorhergesagten Cluster-Labels $\hat{c}_i$ angepasst, um die bedingte Wahrscheinlichkeit zu schätzen, zum Zeitpunkt $s+w$ ereignisfrei zu sein.
Implementierung (landmaRk): Die Autoren haben das modulare R-Paket landmaRk entwickelt, das auf CRAN verfügbar ist. Es implementiert eine Pipeline für:
1. Definition von Risiko-Gruppen und Landmark-Zeiten.
2. Anpassung longitudinaler Submodelle (unterstützt LOCF, LME und LCMM).
3. Anpassung von Überlebens-Submodellen.
4. Evaluierung der Vorhersageleistung (mittels zeitabhängiger AUC und Brier-Scores) via Kreuzvalidierung.
  Die Modularität ermöglicht es Nutzern, Komponenten auszutauschen und benutzerdefinierte longitudinale oder Überlebensmodelle zu definieren.

Wichtigste Ergebnisse
Die Leistungsfähigkeit der vorgeschlagenen Methode wurde durch Simulationsstudien und eine Fallstudie unter Verwendung des AIDS-Datensatzes evaluiert.

Simulationsstudien:
- Die Daten wurden unter Spezifikationen eines Joint Latent Class Models mit variierenden Stichprobengrößen, Fehlerverteilungen (Normal vs. Heavy-Tailed) und Weibull-Formparametern generiert.
- Leistung: LCMM-basierte Landmarking-Modelle, die die vorhergesagten Cluster-Labels einbezogen (z. B. LCMM2cl), übertrafen traditionelles Landmarking (LOCF, LME) und Standard-JLCMs konsistent in Bezug auf Diskriminierung (tdAUC) und Kalibrierung (Brier-Score).
- Cluster-Labels vs. Trajektorien-Rekonstruktion: Die Verbesserung der Vorhersage wurde primär durch die Einbeziehung der vorhergesagten Cluster-Labels und weniger durch die Rekonstruktion der Trajektorie selbst getrieben. Die aus dem LCMM gewonnenen vorhergesagten Werte $\hat{y}_i(s)$ waren oft ähnlich zu denen aus LME, aber die Cluster-Labels erfassten zusätzliche prognostische Informationen bezüglich der Trajektorienform.
- Robustheit: Das Anpassen von landmark-spezifischen LCMMs (Rekalibrierung der Cluster bei jedem $s$ ) erwies sich als robuster gegenüber einer Überparametrisierung der Anzahl der Cluster ( $G$ ) im Vergleich zum Anpassen eines einzelnen globalen Modells.
- Effizienz: Der vorgeschlagene Ansatz war rechentechnisch effizienter als JLCMs, was ihn für größere Datensätze geeignet macht.
Fallstudie (AIDS-Datensatz):
- Unter Verwendung von CD4-Zählen als Trajektorien zur Vorhersage der Zeit bis zum Tod erreichten die heterogenitätsbewussten Landmarking-Ansätze (insbesondere LCMM2cl bei frühen Landmarks) generell eine höhere Diskriminierung als LOCF und LME.
- Joint Models (JLCM) zeigten eine geringere Diskriminierung und eine deutlich schlechtere Kalibrierung im Vergleich zu den Landmarking-Ansätzen.
- Die Leistung variierte je nach Landmark-Zeit und Horizont, wobei kein einzelnes Modell durchgehend am besten abschnitt, der heterogenitätsbewusste Ansatz jedoch konsistent über statischen-only und LOCF-Baselines hinaus verbesserte.

Bedeutung und Ansprüche
Das Paper beansprucht zwei primäre Beiträge:

Methodische Innovation: Es führt eine recheneffiziente, heterogenitätsbewusste Strategie zur dynamischen Risikovorhersage ein, die LCMMs innerhalb des Landmarking-Paradigmas nutzt. Dies adressiert den ungedeckten Bedarf an skalierbaren Methoden, die latente Populationsstrukturen in EHR-Daten berücksichtigen, und überwindet die Rechenengpässe von JLCMs sowie die Homogenitätsannahmen traditioneller Landmarking-Verfahren.
Softwareentwicklung: Das landmaRk-Paket bietet ein standardisiertes, modulares Framework für die Landmarking-Analyse. Durch die Formalisierung von Landmarking als Pipeline aus austauschbaren Komponenten erleichtert es den Vergleich verschiedener Modellspezifikationen (z. B. LME vs. LCMM) und beschleunigt die Entwicklung sowie die Reproduzierbarkeit von dynamischen Risikovorhersagestrategien.

Die Autoren betonen, dass ihr Ansatz besonders wertvoll für EHR-Settings ist, in denen die Datenheterogenität hoch und die Rechenskalierbarkeit kritisch ist. Sie merken an, dass die Anzahl der Cluster ( $G$ ) zwar spezifiziert werden muss, die Methode jedoch eine Robustheit gegenüber leichter Fehlspezifikation zeigt und die Einbeziehung der vorhergesagten Cluster-Labels als ein Schlüsselmechanismus dient, um die Trajektorienform zu erfassen, was die prognostische Genauigkeit verbessert.