Knowledge Graph Representations for Robust Patient Stratification under Unknown Missingness Mechanisms: a Comparative Computational Study
Diese Studie zeigt, dass Knowledge-Graph-Embeddings eine robustere und stabilere Patientenschichtung im Vergleich zu traditionellen, auf Imputation basierenden Pipelines unter unbekannten Fehlmechanismen bieten, insbesondere bei fachspezifischen klinischen Daten, in denen fehlende Werte häufig „Missing Not At Random“ (MNAR) sind.
Originalarbeit lizenziert unter CC BY 4.0 (https://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
In der Welt der modernen Medizin verlassen sich Ärzte auf umfangreiche digitale Aufzeichnungen, um ihre Patienten zu verstehen. Diese elektronischen Gesundheitsakten sind eine Sammlung von Fakten: Symptome, die ein Patient berichtet, Tests, die ein Arzt anordnet, und Ergebnisse aus dem Labor. Diese Aufzeichnungen sind jedoch selten vollständig. Ein Arzt ordnet nicht jeden möglichen Test für jeden Patienten an; er ordnet spezifische Tests an, basierend darauf, was er vermutet. Ebenso erwähnt ein Patient möglicherweise ein Symptom nicht, wenn es ihm unbedeutend erscheint oder wenn er vergisst, es zu erwähnen. In der Sprache der Datenwissenschaft ist dies nicht einfach nur zufälliges Rauschen. Die fehlenden Informationen sind oft mit genau dem gekoppelt, was fehlt. Wenn ein Arzt eine bestimmte Krankheit vermutet, führt er den Test durch; wenn er es nicht tut, ist das Testergebnis schlichtweg abwesend. Dies schafft eine schwierige Situation für Computer, die versuchen, Muster in den Daten zu finden. Wenn ein Computer eine leere Stelle sieht, wo ein Testergebnis stehen sollte, muss er raten, was dort hinkommen könnte. Der Standardansatz besteht darin, diese Lücke mit einem Durchschnittswert zu füllen, unter der Annahme, dass die fehlenden Daten nur eine zufällige Lücke sind. Aber in der Medizin ist ein fehlender Test oft eine bewusste Entscheidung und kein zufälliger Unfall. Einen fehlenden Wert wie ein bestätigtes negatives Ergebnis zu behandeln, kann dazu führen, dass der Computer falsche Schlussfolgerungen darüber zieht, wer krank und wer gesund ist.
Die Forscher Francesco Orciuoli und Giuseppe Murdaca setzten sich zum Ziel, dieses Problem zu lösen, indem sie verschiedene Wege testeten, Patientendaten für die Computeranalyse darzustellen. Sie arbeiteten mit einer Gruppe von 359 Patienten aus einer spezialisierten Klinik für Allergie und Immunologie in Italien. Diese Patienten hatten komplexe Erkrankungen, die von chronischer Nesselsucht bis hin zu Autoimmunerkrankungen reichten, und ihre Aufzeichnungen waren voller der beschriebenen Lücken: Einige Antikörpertests wurden nie angeordnet, und einige Symptome wurden nur aufgeschrieben, wenn sie schwerwiegend waren. Das Team wollte sehen, ob sie diese Patienten basierend auf ihren Daten in aussagekräftige Cluster gruppieren konnte, ohne dem Computer die endgültige Diagnose vorzugeben. Sie verglichen fünf verschiedene Methoden. Vier dieser Methoden nutzten den traditionellen Ansatz: Sie nahmen die Rohdaten, füllten die fehlenden Zahlen mit Schätzungen auf und nutzten dann ein mathematisches Werkzeug, um die Informationen in eine einfachere Form zu komprimieren, bevor die Patienten gruppiert wurden. Die fünfte Methode schlug einen völlig anderen Weg ein. Anstatt die Lücken zu füllen, erstellten sie einen Wissensgraphen. In diesem System ist jeder Patient ein Punkt, und jede bestätigte Information ist eine Linie, die diesen Patienten mit einem spezifischen Fakt verbindet. Wenn ein Test nie durchgeführt wurde, wird keine Linie gezeichnet. Der Computer sieht einfach, dass die Verbindung nicht existiert, anstatt zu erraten, was diese Verbindung sein könnte.
Die Ergebnisse dieses Vergleichs waren drastisch und klar. Die traditionelle Methode, die das Auffüllen fehlender Daten und anschließende Komprimierung beinhaltet, schnitt in fast allen von den Forschern getesteten Szenarien schlecht ab. Wenn die fehlenden Daten dem realistischen Muster in Krankenhäusern folgten – wo Tests selektiv basierend auf dem Verdacht angeordnet werden –, versagte diese Standardmethode dabei, die korrekten Patientengruppen zu finden. In den schlimmsten Fällen war die Gruppierung des Computers so schlecht, dass sie kaum besser als der Zufall war. Die Forscher fanden heraus, dass der Prozess des Auffüllens der fehlenden Zahlen eine falsche Struktur in den Daten erzeugte. Wenn der Computer dann versuchte, diese Daten zu vereinfachen, verstärkte er diese Fehler und sperrte die Patienten in die falschen Gruppen ein. Es war, als würde der Computer versuchen, ein Territorium basierend auf einer Karte zu kartografieren, die mit Vermutungen ergänzt worden war, und dann der Kartograf diese Vermutungen wie festen Boden aussehen ließ.
Im Gegensatz dazu erwies sich der Wissensgraph-Ansatz als der zuverlässigste. Da diese Methode niemals rät, was fehlt, vermeidet sie die Falle, falsche Muster zu erzeugen. Sie nutzt nur die Fakten, die tatsächlich vorhanden sind. Als die Forscher diese Methode gegen die anderen testeten, lieferte sie konsistent die besten Patientengruppen, unabhängig davon, wie die Daten fehlten. Die erstellten Gruppen ergaben medizinisch Sinn. Beispielsweise trennte sie erfolgreich Patienten mit Atemwegsallergien von jenen mit Autoimmunerkrankungen und identifizierte eine große Gruppe von Patienten, die auf Autoimmunprobleme untersucht worden waren, aber negativ getestet hatten. Um zu beweisen, dass diese Gruppen real und nicht nur ein Artefakt der Mathematik waren, überprüften die Forscher sie anhand von sieben unabhängigen Blutmarkern, die nicht zur Erstellung der Gruppen verwendet worden waren. Diese Marker, wie etwa die Anzahl der weißen Blutkörperchen und Entzündungswerte, variierten signifikant über die verschiedenen Gruppen hinweg, was bestätigte, dass der Computer echte biologische Unterschiede gefunden hatte.
Die Studie legt nahe, dass es die sicherste und effektivste Strategie ist, auf das Auffüllen der Lücken zu verzichten, wenn man mit komplexen medizinischen Aufzeichnungen arbeitet, in denen fehlende Informationen häufig und bedeutsam sind. Anstattdessen sollten Forscher Repräsentationen erstellen, die das Fehlen von Daten als eine gültige Information respektieren. Die Wissensgraph-Methode erreichte dies, indem sie einen fehlenden Test als eine fehlende Verbindung behandelte und nicht als eine Null oder einen Durchschnittswert. Dieser Ansatz ermöglichte es dem Computer, die wahre Gestalt der Patientenpopulation zu sehen, ohne die Verzerrung durch Raterei. Während die traditionelle Methode des Imputierens von Daten und der anschließenden Komplexitätsreduktion wiederholt scheiterte, blieb die graphbasierte Methode stabil und genau. Die Forscher kommen zu dem Schluss, dass für Spezialisten, die mit realen Patientendaten arbeiten, bei denen die Gründe für fehlende Informationen oft unbekannt sind, die Verwendung eines Wissensgraphen ein robusterer Weg ist, um Patientensubgruppen zu verstehen. Diese Methode hilft nicht nur dabei, Patienten für eine bessere Versorgung zu gruppieren, sondern erstellt auch eine klare, faktische Karte der Daten, die von zukünftigen Werkzeugen genutzt werden kann, um spezifische medizinische Fragen zu beantworten, wodurch sichergestellt wird, dass das Verständnis des Computers auf dem aufgebaut ist, was bekannt ist, und nicht auf dem, was geraten wird.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.