Feature harmonization reveals that apparent cross-cohort differences in tau-positivity prediction reflect variable availability and cohort stage structure

技術要約：特徴量の調和とクロスコーホートにおけるタウ陽性予測

問題提起
アルツハイマー病（AD）のバイオマーカーモデル、特に臨床および遺伝的変数からタウ陽性を予測するモデルの汎用性を評価するために、クロスコーホート機械学習研究がますます活用されている。しかし、主要なコーホート（例：ADNI、OASIS3、NACC）間で観察される性能差は、しばしば生物学的な相違に起因するとされている。本研究は、こうした差異は生物学的な相違ではなく、変数の可用性（特徴量の不完全性）および疾患ステージの構成（臨床的重症度の構造）に由来するアーティファクトを反映している可能性があると仮定している。核心となる方法論的問いは、「特徴空間を厳密に一致させ、臨床的重症度の寄与を明示的に分解した後に、コーホート間でタウ陽性予測の差がどの程度残るのか？」という点である。

方法論
本研究では、アルツハイマー病・ニューロイメージング・イニシアチブ（ADNI）、Open Access Series of Imaging Studies（OASIS3）、およびNational Alzheimer's Coordinating Center（NACC）の被験者レベルデータを用いた、回顧的なクロスコーホート分析を実施した。

1. コーホートおよびエンドポイント:

   • ADNI: フロルタウシピル（flortaucipir）PET陽性に基づいた2つのコーホート（tau90およびtau180）。
   • OASIS3: 2つのコーホート（tau90およびtau180）。タウ陽性は、バイナリラベルが配布されていなかったため、タウ病理SUVRサマリー変数に適用されたデータ駆動型の2成分ガウス混合モデル（GMM）を用いて導出された。
   • NACC: 感度分析のアドカー（アンカー）として使用される、補足的な厳格なA+/T+対A−/T−コーホート。

2. 特徴量の調和と監査:

   • 回復可能な変数を特定するために、専用の特徴量監査を実施した。OASIS3では、以前は欠損と考えられていた変数（年齢、APOE ε4）がローファイルから回収された。ADNIでは、エポック形式のタイムスタンプによる汚染を修正するため、PTDEMOG由来のベースライン年齢に経過時間を加算することで年齢フィールドを修復した。
   • 一致させた特徴量セット: 主要な分析では、調和後にコーホート間で一貫して利用可能となった変数に限定した：年齢、APOE ε4カウント、APOE ε4キャリアステータス、教育歴、性別（デモグラフィック／遺伝子ブロック）、およびCDR-SB（Clinical Dementia Rating Sum of Boxes）とFAQ（Functional Activities Questionnaire）（重症度ブロック）。

3. モデリング・フレームワーク:

   • 分類器: 解釈性と安定性のために選択されたバランス・ロジスティック回帰を主要な分類器とした。堅牢性の確認のためにランダムフォレストおよびエクストラツリーを使用した。
   • 評価: 5分割層化交差検証（固定シード）を用い、AUC、平均適合率（Average Precision）、F1スコアを含む性能指標を算出した。
   • 特徴量ブロックのアブレーション（切除）: 予測性能を解釈可能なブロックに分解した：
     • リファレンス（基準）: デモグラフィック／遺伝子 ＋ 重症度の組み合わせ。
     • デモのみ: デモグラフィック／遺伝子特徴量のみ。
     • 重症度のみ: 重症度特徴量（CDR-SB、FAQ）のみ。
     • アブレーション指標: 保持率（ブロックのAUC / リファレンスのAUC）および性能低下（リファレンスのAUC － ブロックのAUC）。

主な結果

1. 特徴量の可用性によるアーティファクト:

   • 調和前、OASIS3は年齢やAPOEの変数が欠落していたため、デモグラフィックのみの予測が著しく弱かった（AUC ≈ 0.54）。これはADNI（AUC ≈ 0.74）と比較して顕著であった。
   • 特徴量監査、年齢フィールドの修復、および一致させた特徴量への制限後、デモグラフィックのみのAUCの差は劇的に縮小し（0.204から0.052へ）、方向が逆転した。OASIS3のデモのみのAUC（0.793）はADNI（0.741）を上回り、元の差は主に欠損変数によるアーティファクトであったことが示された。

2. 疾患ステージ構成の非対称性:

   • 臨床的重症度における決定的な構造的差異が特定された。OASIS3のサンプルは主に臨床的に無症状であり（84.5–88.7%の被験者がCDR-SB = 0）、一方でADNIのサンプルは重症度が高い構成であった（49.3–51.7%がCDR-SB = 0）。
   • 性能保持:
     • ADNIでは、重症度のみのモデルがリファレンスの性能の98–99%を保持した。デモグラフィック特徴量は、重症度を超えてわずかな寄与しか示さなかった（リファレンス対デモのコントラストは正であったが、リファレンス対重症度のコントラストはゼロを跨いだ）。
     • OASIS3では、重症度のみのモデルはリファレンス性能の85.6%を保持した。デモグラフィック特徴量（特に年齢とAPOE）は、重症度を超えた実質的な独自の信号を加えた（リファレンス対重症度のコントラストは0.134、CI 0.058–0.188）。
   • これは、無症状の集団（OASIS3）においては、重症度指標が大多数に対して情報を持たないため、デモグラフィック／遺伝学的要因が不可欠な予測因子となることを示唆している。一方、重症度が高い集団（ADNI）では、臨床的重症度がすでに予測信号の大部分を捉えている。

3. 診断層別分析:

   • OASIS3の臨床的正常（CN）層（CDR-SBが一様にゼロの層）において、デモグラフィック・ブロックに重症度特徴量を追加すると、性能が低下した（AUCは0.841から0.799へ減少）。これは、重症度特徴量がノイズを導入したことを示している。
   • 対照的に、認知症層においては、重症度特徴量はデモグラフィックでは捉えきれない識別価値を提供した。

意義および主張
本論文は、ADNIとOASIS3の間のタウ陽性予測における一見大きな性能差は、主に生物学的な違いではなく、手法上のアーティファクトであると主張している。厳密な調和を行った後、残存する差異は、コーホートの疾患ステージ構成の非対称性によって最もよく説明される。

• 方法論的洞察: 特徴量セットの完全性と疾患ステージの異質性を考慮しないクロスコーホット比較は、生物学的な差異を過大評価するリスクがある。
• 予測のダイナミクス: デモグラフィック／遺伝学的予測因子の有用性は、疾患ステージに強く依存する。無症状の集団ではこれらの要因が極めて重要であるが、障害のある集団では、臨床的重症度が支配的となり、デモグラフィック要因の独自の有用性は低下する。
• モデルの解釈: 重症度指標（CDR-SBなど）に大きく依存するモデルは、病理の先行する生物学的リスクではなく、その下流にある臨床的帰結を予測している可能性がある。これらの信号を分離することは、バイオマーカーモデルが実際に何を学習しているのかを理解する上で極めて重要である。

本研究は、将来のクロスコーホート・バイオマーカー・モデリングにおいて、単なるヘッドラインの性能指標に頼るのではなく、特徴量セットの完全性と疾患ステージ構成の異質性の両方を明示的に考慮しなければならないと結論付けている。