技術概要：DiffDT – 医療事象の生成モデルと健康の社会的決定要因（SDoH）のデジタルツインの融合

1. 問題定義

疾患予測のための現在の生成モデルは、主に電子健康記録（EHR）とイベントレベルの表現（例：ICD コード）に依存し、自己回帰（AR）アーキテクチャを用いて疾患の進行を「次のトークン予測問題」としてモデル化しています。医療利用パターンを捉える点では効果的ですが、これらの手法には 2 つの重要な限界があります：

1. 生理学的根拠の欠如: 不確実性を較正するための基礎的な生理学的プロセス（バイオマーカー）の直接的な測定値が欠如しており、疾患の生物学的病因をモデル化する能力が制限されています。
2. 健康の社会的決定要因（SDoH）の不適切なモデル化: 既存のモデルは SDoH を無視するか、不十分に表現しています。ICD-10 の第 Z 章および第 V–Y 章にコード化された代理変数を使用する場合でも、これらの要因がマルチオрганセンサーデータとどのように相互作用して疾患の軌道に影響を与えるかを明示的にモデル化できていません。

さらに、現在のデジタルツイン（DT）アプローチは、対象者固有の物理シミュレーションや静的な表現抽出に焦点を当てることが多く、過去の病歴が現在の生理学的状態を形成し、それがさらに将来の疾患発症を媒介する縦断的因果連鎖をモデル化する能力が欠けています。

2. 手法：DiffDT フレームワーク

著者は、イベント駆動型の AR モデルと条件付き潜在拡散フレームワークを統合した学習フレームワーク「DiffDT」を提案します。中核的な革新は、疾患推論を確率的媒介推論としてモデル化することです：$P(\text{Future} | \text{Biomarker}) \cdot P(\text{Biomarker} | \text{History})$。

2.1 適応的医療履歴トークナイズと AR バックボーン

EHR データの不規則な時間分解能を処理するため、著者は適応的トークナイズ戦略を提案します：

• コホートの年齢範囲にまたがる統一された時間グリッドを構築し、同時発生するイベントを可能にします。
• トランスフォーマーベースの AR モデル（$\phi$）を 50 万人以上の対象者で事前学習させ、因果関係を意識した埋め込みを学習させます。このモデルは、イベントの履歴と年齢の埋め込みに基づいて次の ICD トークンを予測します。
• この AR モデルは条件付けメカニズムとして機能し、過去の医療履歴を潜在表現（$\hat{y}$）に符号化し、デジタルツインの生成を導きます。

2.2 拡散によるマルチオрганデジタルツイン生成

このフレームワークは、医療履歴を条件として、複数の臓器（脳、心臓、肝臓、腎臓）の生理学的状態を表す合成の「デジタルツイン（DT）」を生成します。

• 表形式バイオマーカー（心臓、肝臓、腎臓）:

  • 表形式データ（例：心筋壁の厚さ）に対して、ハイブリッド連続時間拡散モデルを採用します。
  • 連続変数には分散爆発（VE）定式化を用いた**確率微分方程式（SDE）**を、カテゴリカル変数には離散状態空間拡散（吸収過程）を利用します。
  • **クラスラフリーガイダンス（CFG）**を適応させ、観測された ICD シーケンスに基づいて生成を条件付け、医療履歴に基づいて欠損している臓器特性の補間を可能にします。

• トポロジカルバイオマーカー（脳ネットワーク）:

  • 脳機能結合は、リーマン多様体上に存在する対称正定値（SPD）行列として表現されます。標準的なユークリッド拡散は、この幾何学的構造を破損させます。
  • SPD-VQVAE: 著者はコレスキー分解に基づいたベクトル量子化変分オートエンコーダーを導入します。
    • 定理 1は、コレスキー分解が SPD 多様体（$\mathcal{S}^N_{++}$）を対角成分が正の下限三角行列の多様体（$\mathcal{L}^N_{++}$）へ写す微分同相写像であることを確立しています。
    • エンコーダーは SPD 行列を離散潜在空間に写像し、デコーダーはコレスキー因子（$L$）を予測して $\hat{M} = \hat{L}\hat{L}^\top$ を計算することで行列を再構成します。これにより、生成された DT は数学的に正しい SPD 多様体上に存在し、固有値分解に関連する $O(N^3)$ の複雑さを回避します。
  • コレスキー条件付き LDM: 去雑音拡散確率モデル（DDPM）がこの潜在空間で動作します。これは AR モデルからの医療履歴コンテキスト（$\hat{y}$）を取り込むためにクロスアテンションを使用し、個別化された脳ネットワーク状態の合成を可能にします。

2.3 予測推論

推論中は、パイプラインは逐次的に動作します：

1. AR モデルが過去の ICD シーケンスを符号化します。
2. 拡散モデルが次の時間ステップに対する仮説的なマルチオрган DT 状態を生成します。
3. 微調整されたファウンデーションモデル（FM）が生成された DT を分析し、将来の疾患（次の ICD トークン）の発症を予測します。

3. 主要な貢献

1. SPD-VQVAE: コレスキー分解を用いて SPD 多様体の非ユークリッド幾何学を尊重する脳機能結合生成のための新規アーキテクチャ。これにより、高次元の神経画像データ上で計算的に実行可能（$O(N^2)$ 以下）な拡散を可能にします。
2. デュアルデコーダ付きコレスキー LDM: 生成されたデジタルツインが $O(N^3)$ のコストなしで SPD 多様体上に存在することを保証する条件付き潜在拡散モデル。これに、脳ネットワークのローパスおよびハイパス周波数パターンを両方捉えるデュアルブランチアーキテクチャを組み合わせます。
3. 確率的媒介メカニズム: 離散的な臨床イベント（ICD）と連続的な生理学的多様体を架橋するフレームワーク。SDoH 代理変数が生理学的状態の生成を条件付ける、マルチ経路疾患推論を可能にします。
4. 適応的トークナイズ: 拡散モデルの条件付けのために不規則な EHR タイムラインを標準化する手法。

4. 実験結果

実験は**UK バイオバンク（UKB）**データセットで行われました。

• コホート: 脳 44,834、心臓 23,987、肝臓 28,722、腎臓 32,155 の画像特性。
• 履歴: ICD-10 で符号化された約 50 万件の医療履歴シーケンス（年齢 25–89 歳）。

4.1 次疾患予測

• 性能: DiffDT は、最先端の AR モデル（Delphi）およびファウンデーションモデル（BrainMass, NeuroPath）を大幅に上回りました。
• 指標: 1,944 語の ICD コード語彙において、DiffDT は（Qwen3 バックボーン使用）AUC 0.9171を達成し、Delphi の 0.8931 を上回りました。
• 意味的距離: 過去と将来の疾患間の意味的距離が増大するにつれて性能が低下するベースラインとは異なり、DiffDT は堅牢な性能を維持しました。特に、対角線外の疾患ペア（マルチ経路媒介）において顕著でした。
• 臓器固有の媒介: 特定の臓器 DT を媒介として使用した場合、DiffDT は一貫して最高の F1 スコアを達成しました（例：脳媒介予測で 65.14%、NeuroPath で 56.53%）。

4.2 デジタルツイン生成

• 表形式データ: 心臓、肝臓、腎臓の特性において、低い RMSE とワッサーシュタイン距離（WD）を達成しました。
• トポロジカルデータ: SPD-VQVAE-Dualバリアントは、トポロジー予測（エッジ分類）で最高平均精度（98.36%）を達成し、再構成誤差も最小でした。標準的な VQVAE および SPD-DDPM ベースラインを上回りました。
• 反事実的実験: 疾患コードを「健康」に置き換える反事実的実験において、生成された DT は、疾患のある対象者よりも真の健康な対象者に有意に近接しました（FID $p=2.5\times 10^{-5}$）。これは生物学的な有意義性を確認しました。
• 因果媒介: DiffDT は、Delphi と比較して平均絶対平均処置効果（ATE）誤差を半分以上削減し、有効な生物学的媒介としての役割を支持しました。

4.3 計算効率

• コレスキー LDM は、標準的な SPD 操作の $O(N^3)$ の複雑さを回避します。
• エンドツーエンドの推論（DT の生成と次疾患の予測）は、単一の NVIDIA RTX 6000 Ada GPU 上で対象者あたり約1.2 秒で完了します。

5. 意義と主張

本論文は、DiffDT が以下の点により個別化された疾患推論において重要な前進を遂げたと主張しています：

• ギャップの架橋: 離散的な臨床イベント（EHR）と連続的なマルチオрган生理学的状態（デジタルツイン）を成功裡に接続。
• 病因理解の強化: 医療利用パターンのモデル化を超え、センサー由来データを通じて疾患進行の生物学的媒介を捉えることへの移行。
• スケーラビリティ: 幾何学的制約を尊重する高次元トポロジカルデータ（脳ネットワーク）の生成のための計算効率の高い手法の提供。

著者が認める限界:

• データバイアス: UK バイオバンクは「健康なボランティアバイアス」を示しており、多様な疫学的コホートでの展開前に再較正が必要です。
• 縦断データ: UKB の画像は主に横断的です。個々の疾患軌道は、対象者ごとの縦断的証拠ではなく、集団レベルの補間に基づいています。
• SDoH の範囲: 現在の「SDoH」代理変数は、ICD コード化された章（Z, V–Y）に限定されており、直接的な社会的、経済的、または環境的測定値を取り込んでいません。
• 限定的な改善: DiffDT は一貫した改善を提供しますが、媒介モジュールからの利益は、単に AR バックボーンをスケーリングすること（例：GPT2 から Qwen3.5 への移行）と比較して modest（ modest）です。ただし、媒介効果は補完的なままであります。

著者は結論として、DiffDT は疾患推論のために生成モデルとデジタルツインを統合することで分野を前進させているものの、「真の社会的決定要因デジタルツイン」は、高解像度のマルチモーダルデータ統合を必要とする将来の目標であると述べています。