Comorbidity structure as an inductive bias: Comparing output-head designs for multi-label prediction of diabetes and myocardial infarction complications

あなたは、患者がどのような合併症に直面するかを予測しようとしている医師だと想像してください。通常、医師（および医師を支援するコンピュータプログラム）は、考えられる個々の合併症を、完全に独立した別々の推測として扱います。それは、6人の異なる占い師がそれぞれ患者を見て、「腎臓のトラブルが起きるかもしれません」と言ったり、別の占い師が「神経の損傷が起きるかもしれません」と言ったりしているようなもので、誰も互いに会話をしていません。

この論文は、次のような単純な問いを投げかけています。もし、これらの合併症が実は関連しているとしたらどうでしょうか？ これらはしばしば同じ生物学的な原因に由来するため、コンピュータの「占い師」たちは互いに会話することを許されるべきではないでしょうか？

研究者たちは、このアイデアを2つの非常に異なる医学的シナリオを用いてテストしました。そこでは、コンピュータの「出力層」（最終的な推測を行う部分）を、探偵チームのように扱いました。

2つのケースファイル

ケース1：2型糖尿病（「微小血管」チーム）
このシナリオにおける合併症は、腎臓疾患、神経損傷、そして眼の損傷です。研究者たちは、これら3つすべてが微小な血管の損傷によって引き起こされることを知っていました。これは、家の中の3つの部屋すべてが、同じ水漏れのパイプによって被害を受けているようなものです。

• テスト： 彼らは、コンピュータが推測を行うための6つの異なる方法を試しました。ある方法は、推測が完全に独立していることを許容します。他の方法は、問題が関連しているという数学的なルールを用いて、推測が連携するように強制します。
• 勝者： 最も優れたパフォーマンスを示したのは、Symmetric CRFと呼ばれる手法でした。これは、3つの問題すべてが同じ根本原因に対して等しく関連していると仮定する、探偵チームのようなものです。これは非常にシンプルで小さなチーム（追加の「ルール」はわずか3つ）でしたが、驚くほどうまく機能し、特にコンピュータが学習するためのデータが少ない場合に非常に効果的でした。データが乏しい状況において、一貫して「独立した」アプローチよりも優れた成績を収めた唯一のチームでした。
• 敗者： 彼らはまた、100以上の追加ルールを持つ非常に複雑なチーム（Residual MLP）も試しました。驚いたことに、この「スーパーチーム」は混乱してしまい、シンプルなベースラインよりも悪い結果となりました。これは、複雑さが常に優れているわけではないことを証明しています。

ケース2：心臓発作（「電気的」チーム）
このシナリオにおける合併症は、さまざまな心拍リズムの異常です。糖尿病のケースとは異なり、これらの問題は心臓における異なる電気的な不具合によって引き起こされます。これは、漏れるパイプのようなものではなく、異なる部分のグリッドが異なる理由で故障する、混沌とした電気嵐のようなものです。

• テスト： 彼らはここで4つの異なるチーム構造をテストしました。
• 結果： 明確な勝者は存在しませんでした。コンピュータが学習するためのデータ量に応じて、「最高の」チームは変化しました。問題が関連していると仮定するチームが勝つこともあれば、問題が完全に別々であると仮定するチームが勝つこともありました。根底にある生物学的な仕組みが複雑で多様であったため、単一の「チーム構造」が結果を確実に予測することはできませんでした。

大きな教訓

この論文は、コンピュータの「推測エンジン」を設計する方法は、単なるランダムな技術的選択や、微調整するための標準的な設定であってはならないと結論付けています。むしろ、それはその疾患がどのように機能するかという仮説であるべきなのです。

• もし疾患が、複数の部屋に影響を与える漏れるパイプのようなものであれば（糖尿病のように）、シンプルで連結されたチーム構造が最適です。
• もし疾患が、混沌とした電気嵐のようなものであれば（心臓発作のように）、特定のつながりを強制することは全く役に立たないかもしれません。

要約すると： 単にツールが人気だからという理由で選んではいけません。あなたが予測しようとしている疾患の物語に一致するツールを選んでください。もし生物学的な仕組みが関連しているなら、コンピュータのデザインはその関連性を反映すべきです。もし生物学的な仕組みが混沌としているなら、あなたのデザインは、まだ答えを知らないことを認めることができるほど柔軟であるべきなのです。