Anatomical comparison populations and threshold transport in vascular transcriptomic classification

人間の体は巨大なパイプのネットワークであり、体の隅々にまで血液を運んでいます。これらの血管は表面上は似て見えますが、頸部の動脈を覆う組織は、鼠径部や脚の組織とは生物学的に異なります。科学者たちは、心臓発作や脳卒中につながる危険なプラークの蓄積であるアテローム性動脈硬化症を、瞬時に特定できる単一の分子的な「指紋」を見つけ出したいと長年願ってきました。もし研究者が、疾患が存在するたびに反応する特定の遺伝子セットを見つけることができれば、普遍的なテストを構築できるという考えです。このテストは「マスターキー」のように機能し、サンプルの採取場所がどこであれ、頸部から足に至るまで、あらゆる動脈の問題を特定することを目指しています。これは強力なコンセプトです。特定の血管の場所を超越した、単一の生物学的シグナルという概念です。

しかし、上海の復旦大学の研究者による最近の研究は、この普遍的な鍵は存在しないか、少なくとも私たちがそれを見つけるために使っている地図に欠陥がある可能性を示唆しています。研究チームは新しい病気を発見したり、新しい装置を発明したりしたのではありません。代わりに、彼らは既存のデータの厳格な監査を行い、科学者がどのようにこれらの分子指紋をテストしているのかを詳細に調査しました。彼らはシンプルかつ決定的な問いを投げかけました。「あるテストが99%の精度を持つと言うとき、それは正確には何を比較しているのか？」と。彼らは、病気の組織を同じ人物の健康な組織と比較しているのか、それとも病気の組織を、全く別の亡くなったドナーの健康な組織と比較しているのでしょうか？答えは極めて重要です。なぜなら、データの混ざり方が完璧さという幻想を生み出し、そのテストが新しい状況に適用された瞬間に、その幻想が消え去ってしまうからです。

研究者たちは、ヒトの動脈に関する膨大な遺伝子データに焦点を当て、具体的には、頸部の頸動脈、大腿部の大腿動脈、および膝下の大腿動脈の3つの異なる部位からのサンプルを調べました。彼らは、病変組織と健康な組織を区別するように訓練されたモデルを取り上げ、ゲームのルールが変わったときにその性能がどのように維持されるかをテストしました。元の学習データでは、モデルには閉塞のある外科患者のサンプルが与えられ、それが亡くなった健康なドナーのサンプルと比較されていました。モデルはほぼ完璧な精度で動作し、病変組織をほぼ毎回正しく特定しました。まるで完璧な遺伝的シグネチャーを見つけたかのようでした。

しかし、研究者たちは実際にその完璧なスコアの中で何が起きているのかを解明するために、データを細分化しました。彼らは、高い精度が主に、非常に異なる2つのグループを比較していることに起因していることを突き止めました。つまり、手術痕のある生存患者と、病気のない亡くなったドナーとの比較です。モデルは本質的に、生きている人間と死んでいる人間の違い、あるいは、外科的サンプルと死後のサンプルの違いを学習していたのです。彼らが、病気の組織を同じ解剖学的部位の健康な組織（頸部には頸部、大腿には大腿）のみと比較するように強制したとき、パフォーマンスは高いまま維持されましたが、比較の性質は変化していました。モデルは依然として機能していましたが、その成功の理由は、見た目よりも脆弱なものでした。

真のテストは、研究者がこのモデルを、元の学習データには含まれていない全く新しいデータセットに対して使用しようとしたときに訪れました。彼らは、比較の方法が異なる患者のデータにこのモデルを適用しました。すなわち、患者自身の体から採取した病変プラークの一部を、その患者自身の健康な組織と比較するというものです。これは、2人の異なる人物を比較するという混乱を取り除くため、より困難で現実的なテストです。ここで、モデルの挙動は劇的に変化しました。モデルは、多くのケースで病変組織を健康な組織よりも高くランク付けすることはできましたが、ある決定的な境界線を越えることができませんでした。モデルは、すべてのサンプルに対して低い「疾患スコア」を割り当てました。つまり、健康なものも病変のあるものも両方です。モデルはどちらがより悪いかは理解していましたが、どちらかが実際に病気であると告げることはできなかったのです。学習データで機能していた閾値、つまり「これが疾患である」と判断するポイントは、新しい設定では全く役に立ちませんでした。

なぜこのようなことが起きたのかを理解するために、チームはモデルが使用している遺伝子を調査しました。彼らは、疾患を特定するために選ばれた特定の遺伝子リストが、ユニークなものではないことを発見しました。トップ200の遺伝子を完全にランダムな200個の遺伝子セットに入れ替えても、モデルは元のデータに対してほぼ完璧に機能し続けました。これは、高いスコアが特別な生物学的にユニークな遺伝子セットから来ているのではなく、サンプルのグループ間の差異を示す一般的なパターンから来ていることを示唆しています。そのパターンは、ほとんどのランダムな選択によって捉えられるようなものです。モデルは、疾患そのものの純粋なシグナルではなく、実験のノイズ、つまりサンプルの収集、処理、保存方法の違いを拾い上げていたのです。

この研究はまた、これらの実験のデザインにおけるより深い問題も浮き彫りにしました。元のデータは、準備方法が異なる異なるソースから来ていました。一方のサンプルは手術中の生存患者から、もう一方は亡くなった臓器ドナーからのものでした。これらのサンプルは異なる機械で処理され、異なる方法で扱われました。研究者がモデルをある設定から別の設定へと移動させようとしたとき、モデルが使用していた「定規」はずれました。あるグループにおいて「疾患」を意味したスコアが、別のグループでは「健康」を意味していたのです。モデルの内部論理は、それが訓練された特定のグループに対しては健全でしたが、別のグループにその論理を翻訳することはできませんでした。

研究者たちは、モデルは特定の文脈内において組織をランク付けすること（一方を他方と区別すること）はできるものの、異なる集団間で疾患を診断するための信頼できる普遍的な閾値を提供することはできないと結論付けました。過去の研究で見られた高い精度は、部分的に、使用されたサンプルの特定の組み合わせによる人工的なものでした。混合内容が変わると、精度は低下し、臨床的な意思決定能力は消失しました。これは、血管疾患のための分子シグネチャーを見つけることが不可能であることを意味するのではありませんが、単に異なるソースからデータを集めて完璧なスコアを期待するだけでは、その道はより困難であることを意味しています。

この研究の意義は、血管医学の未来にとって重要です。これは、あらゆる場所で機能する単一のテストを作ろうとする者への警告となります。この研究は、モデルが、自分が作られた箱の中でのデータ分類には優れていても、その箱の外に出るよう求められたときには完全に失敗することを示しています。研究者たちは、将来の研究が進むべき道として、ドナーの身元が明確であり、サンプルが一致した方法で扱われているデータを使用しなければならないと強調しています。モデルを、異なる人々を比較するのではなく、患者自身の病変組織を自身の健康な組織と比較するといった、現実世界のシナリオを模倣した比較に対してテストしなければなりません。

結局のところ、この論文は心疾患のための遺伝子検査というアイデアを否定するものではありません。むしろ、成功をどのように測定するかについての、より高い精度と誠実さを求める呼びかけです。研究者たちは、過去に報告された「完璧な」スコアが、しばしば堅牢性の欠如を隠していたことを発見しました。データの層を剥ぎ取ることで、彼らは、疾患のシグナルは実在するものの、サンプルの収集や比較の方法によって容易に覆い隠されてしまうことを示しました。信頼できる普遍的な血管テストへの旅は終わっていません。しかし、この研究は霧を晴らし、どこが固い地面であり、どこがまだ揺れ動いているのかを正確に示してくれました。進むべき道は、単に優れたアルゴリズムを求めるだけでなく、より良い問いと、よりクリーンなデータを必要としています。それによって、私たちが構築するツールが、真にそれを必要とする患者のために機能することを保証できるのです。