Contrastive Representation Learning of Longitudinal Disease Trajectories on Temporal Graphs

ある人の人生の物語を理解しようとしていると想像してください。ただし、本を読む代わりに、ランダムな時期に撮られた、散らばったスナップショットの山を見ているのだとしたとします。毎日撮られている写真もあれば、年に一度だけのものもあります。ある写真は幸せな誕生日の様子を写し、別の写真は通院の様子を、またある写真はただの公園のベンチのぼやけた写真かもしれません。医学の世界において、「縦断的データ（longitudinal data）」とは、まさにこれと同じです。それは、同じ人々から何度も繰り返し取得された測定値のコレクションですが、多くの場合、不規則でバラバラな間隔で行われます。

科学者にとっての大きな課題は、人々の人生（あるいは疾患）がどのように変化しているかに基づいて、どのように人々をグループ化するかを見出すことです。二人の患者は、たとえ診察日が異なっていても、同じ道を辿っていると言えるのでしょうか？ 従来の統計手法は、これらの乱雑なスナップショットを、全員が予測可能な曲線に従うと仮定して、無理やり整った滑らかな線に当てはめようとします。しかし、現実の人生はそれほど滑らかではありません。時には症状が急激に悪化したり、単純な直線には当てはまらない複雑で非線形な形で状態が変化したりすることもあります。ここで「機械学習」、特に「表現学習（representation learning）」と呼ばれる分野が登場します。これは、コンピュータに、乱雑なデータの山を見て、各個人の物語の最も重要な「本質」や「要約」を見つけ出し、誰がどのグループに属するかを簡単に判別できるように教えるプロセスだと考えてください。これからあなたが読む論文は、データが時間と類似性の絡み合った網の目となっている場合に、どのようにすればこれを最も上手く行えるかという問題に取り組んでいます。

---

問題点：乱れたタイムライン

あなたが、日々の習慣に基づいて容疑者をグループ分けしようとしている探偵だと想像してください。あなたには各人物に関するメモのリストがありますが、そのメモはめちゃくちゃです。毎朝日記を書いている人もいれば、何か刺激的なことが起きた時だけ書いている人もいます。あるメモは食べたものについてであり、あるメモは気分についてであり、またあるメモはただの走り書きです。

医学において、医師たちは常にこのようなデータを収集しています。彼らは数年間にわたって患者を追跡し、血圧、心拍数、症状などを記録します。しかし、このデータは「縦断的（時間が経過するにつれて蓄積される）」であり、「ヘテロジニアス（多様で混在している）」です。目標は、「クラスター」——つまり、同じ疾患の経路を辿っている患者のグループ——を見つけることです。もしこれらのグループを見つけることができれば、誰が重症化する可能性があるかを予測し、より適切な治療をカスタマイズすることができます。

問題は、昔ながらの探偵術（伝統的な統計学）が、多くの場合、全員の物語は滑らかな直線であると仮定してしまうことです。しかし、病気は必ずしも直線的には進行しません。ジグザグに進んだり、停滞したり、時には跳ね上がったりします。さらに、標準的な手法は各患者を孤立したものとして捉える傾向があり、患者Aと患者Bが、たとえ別人であっても、同期して動いている可能性を見落としてしまいます。

解決策：RankWalkと「タイムトラベル・グラフ」

ここで、この論文の著者たちが提案する新しい手法、RankWalkが登場します。データを無理やり直線に当てはめる代わりに、彼らは巨大で見えないウェブ（「グラフ」）を構築することに決めました。

そのウェブの構築方法は以下の通りです：

1. ノード（点）： 患者が行ったすべての測定値が、マップ上のひとつの「点」になります。
2. テンポラル・ストリング（時間の糸／タイムトラベル）： もし患者Aが月曜日に診察を受け、火曜日にもう一度受けた場合、その二つの点を結ぶ「糸」を引きます。これにより、時間の順序が保持されます。これはコンピュータに対して、「これが起きた後に、あれが起きた」ということを伝えます。
3. 類似性の糸（ソウルメイト）： これが巧妙な部分です。もし患者Aと患者Bがどちらも火曜日に診察を受け、その「まさにその瞬間」の健康数値が非常に似ていた場合、コンピュータは、たとえ二人が別人であっても、その二つの点を結ぶ糸を引きます。これは、「おい、君たち二人は今、同じ状況にいるんだよ」と言っているようなものです。

しかし、もし診察のタイミングが変だったらどうなるでしょうか？ もし患者Aが午前10時に診察を受け、患者Bが午前10時5分に診察を受けたとしたら？ 著者らは「スライディング・ウィンドウ」というトリックを使用しています。タイムラインの上を動く窓を想像してください。もし患者の診察がその窓の中に収まっていれば、その窓の中にいる全員と一緒にグループ化されます。これにより、物語を失うことなく、乱雑で不規則なタイミングの問題を滑らかに処理できます。

秘密のソース：アンカーとランダムウォーク

ウェブが構築された後、コンピュータはどうやってどの患者が共に属しているかを学習するのでしょうか？ ここで**コントラスティブ学習（対照学習）**が登場します。これは「間違い探し」のゲームのようなものです。

コンピュータは「アンカー（特定の患者の診察）」を選び、それと似ている他の点を探そうとします。しかし、単に隣接する点を見るのではなく、コンピュータは「ランダムウォーカー（ランダムウォーカー）」、つまり糸に沿って点から点へと飛び跳ねる小さな探索者を送り出します。

ここでのひねりは、この探索者がアンカーによって誘導されている点です。探索者は目的もなく彷徨うのではありません。アンカーと構造的に類似している点を探すようにバイアスがかかっています。もしアンカーが「病状が悪化している」患者であれば、探索者は、たとえウェブの中で遠くに離れていたとしても、他の「病状が悪化している」患者を見つける可能性が高くなります。

コンピュータは、探索者がどれだけ早く一致するものを見つけたかのスコアを記録します。これは**ランク重み付けポジティブペア生成（Rank-Weighted Positive Pair Generation）**と呼ばれます。これは、「もし最初のステップで見つけたなら、その双子は完璧な一致だ。もし10ステップ探してようやく双子を見つけたのなら、彼らはそれほど似ていないのかもしれない」という判断を下すようなものです。

最後に、コンピュータは「コントラスティブ（対照的）」な目的関数を使用します。コンピュータは、「双子」の点同士が内部言語（埋め込み）において非常に似通ったものになるように、一方で「双子ではない」点同士は全く異なるものになるように学習を進めます。時間をかけて、コンピュータはあらゆる患者の旅路を、短く強力なコードへと要約する超効率的な方法を習得していきます。

結果：何が見つかったのか

著者らは、新しい「RankWalk」の手法を、従来の探偵たち（伝統的な統計学）や他の新しい機械学習ツールと比較検証しました。これには二つの方法があります。

1. シミュレーション・ラボ（擬似データ）
まず、コンピュータ上で架空の患者データを作成しました。

• シナリオA（滑らかな道のり）： 患者が滑らかで予測可能な曲線に従うデータを作成しました。ここでは、従来のメソッド（fPCAなど）も良好な結果を出しましたが、RankWalkも同等の性能を維持しました。
• シナリオB（ノイズの多い道のり）： データに「ノイズ（ランダムなエラーや不正確なデータ点）」を加えました。従来のメソッドは混乱し、人々を誤ってグループ化し始めました。しかし、RankWalkは冷静でした。データのさまざまな「部分空間（異なる角度）」を観察し、ランキングシステムを使用していたため、ノイズの部分を無視して真のグループを見つけ出したのです。
• シナリオC（混沌とした道のり）： 患者が異なる「レジーム（体制／状態）」の間を切り替えたり（例えば、突然挙動が変わる疾患など）、非線形なジャンプが発生したりするデータを作成しました。従来のメソッドは、この混沌とした状況では完全に失敗しました。しかし、RankWalkは卓越しており、ほぼ完璧な精度でグループを見つけ出しました。これは、曲線の形状を事前に知っておく必要はなく、グラフ自体がそれを学習できることを証明しました。

2. 実世界（実データ）
次に、心臓疾患、肝疾患、認知機能の老化、およびエイズに関する4つの実際の医療データセットを用いて、RankWalkをテストしました。

• 彼らは単にグループがうまく形成されたかどうかだけでなく、そのグループが実際に生存率に関わっているかどうかを確認しました。彼らは「コンコーダンス指数（生存期間をどれだけよく予測できるかのスコア）」と「ログランク検定（グループ間に真の差があるかを確認するための統計的チェック）」を使用しました。
• 結果： RankWalkは、既存の最高の手法（fPCA）を一貫して上回りました。例えば、心臓疾患のデータセット（HEART）において、従来のメソッドの生存予測スコアは0.57（推測よりわずかに良い程度）でしたが、RankWalkはそれを0.71まで引き上げました。さらに驚くべきことに、グループ間の差異を示す統計的証拠は、弱い4.81から、圧倒的な52.25へと跳ね上がりました。
• これは、データを「時間と類似性のつながったウェブ」として扱うことで、従来のメソッドが見逃していたパターンをRankWalkが見つけ出し、健康状態の結果においてより明確に区別された患者グループを特定できたことを示唆しています。

まとめ

この論文は、乱雑で現実世界の医療データを理解するために、無理に整った直線に当てはめる必要はないことを示唆しています。時間の流れと異なる人々間の類似性の両方を尊重するダイナミックなウェブを構築し、「検索と比較」のスマートな戦略を用いることで、疾患がどのように進行するかという隠れたパターンを明らかにできるのです。

RankWalkは単に患者をグループ分けするだけではありません。それは「正しい」グループを見つけ出します。乱雑なデータを扱い、ノイズを無視し、複雑に変化する疾患パターンに適応する能力において、私たちが数十年にわたって使用してきたツールよりも優れています。著者らは、これが手法的なブレイクスルーであり、欠損データや複数の種類のデータを同時に扱うといった、より複雑なシナリオに対応するための今後の研究が必要であると述べていますが、これまでの結果は、このグラフベースのアプローチが、人間の健康という長く曲がりくねった道を眺めるための強力な新しいレンズであることを示しています。