SGC-RML: A reliable and interpretable longitudinal assessment for PD in real-world DNS

技術概要：信頼性の高い経時的パーキンソン病評価のための SGC-RML

問題定義
現実世界のパーキンソン病（PD）のデジタル評価は、標準的な教師あり学習を超えた重大な課題に直面している。臨床データは多様（音声、歩行、ウェアラブル、臨床記録）であり、異なるデバイスや施設で収集され、欠落モダリティ、信号ノイズ、不規則な経時的サンプリング、不完全なラベリングに悩まされている。既存の手法は、単一のデータセットやモダリティにおける平均的な予測性能（例：AUC、MAE）の最適化に焦点を当てており、モデルがいつ信頼できるかを判断するメカニズムが欠如している。その結果、現在のシステムは「予測可能」「低信頼性」「再テストが必要」「却下」という状態を区別できず、また予測を（振戦対無動など）特定の臨床症状構造に解釈可能な形で戻すこともできない。このギャップにより、臨床ワークフローにおける信頼性があり、回顧的かつ信頼性認識型の評価ツールの展開が妨げられている。

手法：SGC-RML
本論文は、多様な PD データを共有された臨床症状空間に統合し、明示的に信頼性をモデル化するフレームワークである**症状グラフ条件付き信頼性マルチモーダル学習（Symptom-Graph-Conditioned Reliable Multimodal Learning: SGC-RML）**を提案する。

1. 統合された 8 次元症状ノード空間:
   生の特徴量を融合する代わりに、SGC-RML は多様な入力（音声、IMU、モバイルタスク、臨床スケール）を共有された 8 次元ベクトルにマッピングする。

   • 7 つの臨床症状ノード: 振戦、無動、軸性/歩行障害、運動変動、認知、睡眠/自律神経症状、気分。
   • 1 つの補助ノード: reliability_state（信頼性状態）。これはサンプルの完全性、品質、不確実性を要約する。
   • メカニズム: データセット固有のエンコーダ（例：PADS IMU 用のパッチベース Transformer、UCI 音声用の FT-Transformer）は、モダリティ固有の証拠をこの共有空間に投影する。欠落はマスクを介して明示的に追跡され、モデルが特定の症状を捉えられないモダリティ（例：認知データがない Daphnet FoG など）を罰することを防ぐ。

2. 信頼性認識型の意思決定ルーティング:
   このフレームワークは、異なる不確実性の源に基づいて 4 つのアクションのいずれかを出力する、決定論的かつ事後のルーティングポリシーを導入する。

   • PREDICT（予測）: 証拠が十分で不確実性が低い場合に出力を受け入れる。
   • ABSTAIN（保留）: 予測不確実性または較正された区間の幅が高すぎる場合に予測を保留する。
   • REACQUIRE（再取得）: 収集品質が劣悪または欠落が著しい入力をフラグ付けする。
   • REFER（参照）: 臨床的に困難または分布外（OOD）のケースを人間のレビューに誘導する。
   • 実装: これらのアクションの閾値は、検証スプリットから導出された固定の分位数（例：ABSTAIN に対する不確実性の 70 パーセンタイル）であり、データセットごとの再調整なしに再現性を保証する。

3. 較正と適合性予測（Conformal Prediction）:
   カバレッジを保証するために、モデルはブランチ固有の較正（分類のための温度スケーリング、回帰のための分位数/分割適合性）を採用する。これにより、見かけの予測が未見の被験者で劣化した場合でも、予測区間または適合性集合が目標カバレッジ（例：0.80）を達成することが保証される。

4. 症状アテンションによる解釈可能性:
   モデルはノードレベルのアテンションメカニズムを利用して、予測を特定の症状ノードに帰属させ、低レベルの特徴量の重要度ではなく、臨床構造に整合した証拠の要約を提供する。

主要な貢献

1. 臨床症状空間におけるルーティング: フレームワークは、多様なデータセット（音声、IMU、臨床記録）にわたって、較正、欠落処理、意思決定ルーティングを均一に適用できるように、多様な信号を共有された症状ノード空間に投影する。
2. 不確実性の源に紐付いた 4 行動ポリシー: 単一の閾値による却下とは異なり、このポリシーは収集の不完全性（REACQUIRE）、予測不確実性（ABSTAIN）、OOD 状態（REFER）、信頼性の高い予測（PREDICT）を区別する。これらのアクションは、検証で固定された分位数によって支配される。
3. クロスデータセットの信頼性証拠: このフレームワークは、分類、回帰、イベント検出、経時的予測を網羅する 5 つの現実世界の PD データセット（PPMI、mPower、PADS、Daphnet FoG、UCI Telemonitoring）で検証された。点予測が被験者非依存の設定で苦労する場合でも、信頼性スタック（較正＋ルーティング）が一般化することを示した。

実験結果
本論文は、厳密なリークフリープロトコル（例：被験者非依存スプリット、時間的アンカーリング）を用いて 5 つのデータセット全体で SGC-RML を検証した。

• PPMI（経時的回帰）: 12 ヶ月先の UPDRS-III 予測において、MAE 4.579、$R^2$ 0.772 を達成。アブレーション研究により、症状ノードの時間的モデリング（NodeAttentionTemporalTransformer）が静的なベースラインを上回ることが確認された。
• mPower（分類）: FT-Transformer のアンサンブルを用いて、PD/HC 分類で AUC 0.953 を達成。
• PADS（ブラインドテスト）: 隠された 50 被験者のブラインドコホートにおいて、モデルは AUC 0.825（可視 CV では 0.805）を維持。重要なのは、見かけの被験者において点較正指標（ECE、ICC）が劣化したにもかかわらず、**適合性カバレッジは 0.80 の目標に近いまま（0.804 ± 0.053）**であり、信頼性スタックの堅牢性が検証されたことである。
• UCI Telemonitoring（個人化）: 被験者非依存の設定では、モデルは本質的に予測不能だった（運動 MAE 8.38）。しかし、わずか 5 つの被験者固有のアンカーで MAE は 3.40 に低下し、20 個のアンカーでは 3.24（CCC 0.756）に達した。これは、音声ベースの重症度予測には個人化されたアンカーリングが必要であることを示している。
• Daphnet FoG: 被験者除外（LOSO）プロトコル下で、F1 0.803、AUC 0.872 を達成。
• ルーティングの有効性: PADS において、PREDICTにルーティングされたサンプルの 61.8% のみを受け入れることで、分類精度は 0.704 から 0.772 に向上し、却下されたサブセット（ABSTAIN、REACQUIRE、REFER）は精度が順次低下した。これは、ルーターが低品質の入力を正しく識別していることを確認した。

意義と主張
本論文は、SGC-RML が「常に予測する」ことから「条件付きに信頼性の高い予測する」ことへの転換を表すと主張する。その主な貢献は、新しい不確実性推定器や単一タスクの性能向上ではなく、回顧的な信頼性認識型評価のための統合された監査可能な意思決定インターフェースである。

• 主張の謙虚さ: 著者は明示的に、単一のデータセットにおける「平均性能」の問題を解決したとは主張していない。代わりに、「いつ信頼できるか、なぜ信頼できるか、信頼できないときにどう行動するか」を知ることができるフレームワークを提供すると主張している。
• 臨床的有用性: このフレームワークは、臨床家が「リスクが低く出力可能」なサンプルと「証拠不十分」なケースを区別することを可能にし、現実世界のデジタル神経システムにおけるより安全な展開を支援する。
• 限界: 著者は、予備的な臨床検証の欠如、直接のクロスデータセット数値ランキングを妨げる可能性のあるデータセットシフトの問題、さらなる公平性とサブグループ分析の必要性を含む限界を認めている。彼らは、このフレームワークがデータが不完全で多様な、困難な現実世界のシナリオ向けに設計されていることを強調している。

要約すると、SGC-RML は、症状構造化表現、不確実性定量化、選択的意思決定を単一のパラダイムに統合することでデジタル PD 評価を前進させ、現実世界のデータ制約内で予測が単に正確であるだけでなく、信頼でき、解釈可能であることを保証する。