Predicting Depression and Anxiety Progression in Multiple Sclerosis from Longitudinal Clinical Data Using Machine Learning

技術要約：縦断的臨床データを用いた機械学習による多発性硬化症における抑うつおよび不安の進行予測

問題提起
抑うつと不安は、多発性硬化症（MS）患者において非常に高い頻度で見られ、それぞれ人口の約30.5%および22%に影響を及ぼしているが、臨床データからメンタルヘルスの軌跡を予測するためのツールは依然として限定的である。機械学習は横断的なスクリーニング（AUC 0.67–0.73）では一定の成功を収めているものの、将来の症状の重症度や治療反応を予測することはより困難である。既存の文献における一貫した知見は、ベースラインの症状の重症度が予測を支配していることであり、これは実行可能な臨床的要因というよりも、平均への回帰といった統計的なアーティファクトを反映していることが多い。本研究では、構造化された電子健康記録（EHR）データが、MSにおける抑うつ（PHQ-9）および不安（GAD-7）の進行に関して何を予測できるのか、そしてそのような予測の限界はどこにあるのかを調査する。

方法論
著者らは、あるアカデミック・メディカル・センターにおける18,252人のMS患者のデータを用いたレトロスペクティブなコホート研究を実施した。

• コホート選択： 本研究では、2,163人の患者（有効なPHQ-9評価ペアが7,327組）および1,465人の患者（有効なGAD-7ペアが3,319組）を利用した。選択基準は、確定診断されたMSであり、かつ0.5〜1.5年の間隔を持つ少なくとも1組のベースライン・フォローアップのペアを有することとした。
• 時間的設計： ベースライン（$t_0$）の特徴量は$\pm30$日のウィンドウから抽出され、間隔特徴量は$t_0$からフォローアップ（$t_1$）までの間に収集された。アウトカムはスコアの変化（$\Delta = \text{score}_{t1} - \text{score}_{t0}$）と定義され、正の値は悪化、負の値は改善を示す。
• 特徴量エンジニアリング： 数千におよぶ構造化EHR候補（デモグラフィックス、検査値、薬剤、利用状況、バイタルサイン）から、欠損値（50%超を除去）および相関（ピアソン $r > 0.9$）に基づいて特徴量をフィルタリングした。最終的なモデルには、ベースラインスコアに加え、約17〜19個の臨床的特徴量が使用された。
• モデル・アーキテクチャ： スコアの変化を予測するために、勾配ブースティングモデル（CatBoost）を採用した。データ漏洩を防ぐため、患者レベルで80/20の割合でデータを分割した。ハイパーパラメータは、平方根平均二乗誤差（RMSE）を最小化するためにOptunaを介してチューニングされた。
• 解釈可能性： 特徴量の重要性を定量化し、モデルの挙動を解釈するために、SHAP（SHapley Additive exPlanations）値を用いた。プライバシー保護のため、可視化の際はSHAP値を10人の患者ごとのビンに集計した。

主な貢献

1. モデル開発： 大規模なMSコホートにおいて、静的な将来スコアではなく、抑うつおよび不安の「スコア変化（軌跡）」を予測するための勾配ブースティングモデルの開発および検証を行った。
2. 平均への回帰の定量化： ベースラインの重症度が支配的な予測因子であることを示し、それが予測を駆動する一方で、その大部分が統計的な平均への回帰（高スコアは改善しやすく、低スコアは悪化しやすい傾向）を反映していることを明らかにした。
3. 異なる予測プロファイルの特定： 抑うつモデルと不安モデルの間で特徴量の重要性が異なることを特定し、抑うつの軌跡は症状のサブスケールに依存する一方で、不安の軌跡は身体的な疾患因子を取り込むことを明らかにした。

結果

• 予測性能： モデルの性能は控えめであり、PHQ-9のスコア変化の分散の22%（$R^2=0.22$）、GAD-7のスコア変化の分散の28%（$R^2=0.28$）を説明した。残りの分散は、構造化EHRでは捉えきれない要因（例：ライフイベント、社会的サポート）に起因する。
• ベースラインスコアの支配性： ベースラインスコアは単一の最も重要な特徴量であった（平均 $|SHAP|$ はPHQ-9で0.97、GAD-7で2.16）。しかし、SHAP分解の結果、ベースラインスコアはPHQ-9モデルにおける全予測寄与の31%、GAD-7モデルにおける59%を占めるに過ぎないことが判明した。
• 二次的予測因子としての年齢： 年齢は両モデルにおいて一貫した二次的予測因子として浮上した。若い患者は正のSHAP値を示しており、これはベースラインの重症度とは独立して、改善が小さいか、あるいは悪化が大きいことを示唆している。
• 特徴量の特異性：
  • PHQ-9： 合計スコア以外の症状サブスケール、特に自尊心、エネルギー、運動症状、および睡眠に強く依存していた。
  • GAD-7： 痛みスコア、疾患期間、心拍数、およびPHQの気分項目などの臨床的因子を取り込んでおり、身体的負担と不安の軌跡との関連を示唆している。

意義および主張
本論文は、構造化された臨床データのみでは、MSにおけるメンタルヘルスの軌跡の背後にある要因のわずかな一部しか捉えられないと主張している。ベースラインの重症度は最強の統計的予測因子であるが、それは修正可能な臨床メカニズムというよりも、主に平均への回帰を反映している。本研究は、個別のレベルでの意味のある予測には、構造化EHRを超えたより豊かなデータソースが必要であることを結論付けており、具体的には以下を挙げている：

• 患者の懸念や社会的状況を捉えるための（NLPによる）臨床ノート。
• 臨床現場以外で収集される患者報告アウトカム（例：デジタルフェノタイピング、生態学的瞬間アセスメント）。
• 気分や活動を追跡するためのパッシブセンシングデータ（スマートフォン、フィットネストラッカー）。

著者らは、モデルがリスク因子（若い年齢など）を特定しているものの、それらの主要な予測因子は修正不可能であると強調している。したがって、臨床的な価値は、新たな介入対象を発見することではなく、介入を必要とする患者を特定することにある。本研究は、MSにおけるメンタルヘルス予測における現在のEHRベースの限界を示すベンチマークとして機能するものである。