ICU Mortality and LOS Prediction Models Using Machine Learning Based on Both Real and Synthetic Data

技術要約：実データおよび合成データを用いた機械学習によるICU死亡率および入院期間（LOS）の予測モデル

問題提起
エチオピアのような低リソース環境における集中治療室（ICU）のアウトカムに関する正確な機械学習（ML）モデルの開発は、主に2つの課題によって阻まれている。それは、高品質な訓練データの不足と、重大なクラス不均衡である。調査対象となったエチオピアの5つの公立病院の患者10,669人のコホートでは、死亡率はわずか13.9%であり、モデルが多数派クラス（生存）に偏る傾向を生じさせる深刻な不均衡が生じていた。さらに、標準的な重症度指標（例：SAPS-II、SOFA）は、特定の臨床検査（例：動脈血ガス分析、ビリルビン）の利用不可や、タイムリーな介入を困難にするリソースの制約により、この文脈では適用できないことが多い。ディープラーニングのアーキテクチャ（例：Transformer、TCN）は、高密度な時系列データを持つ高リソース環境では優れているが、データが疎で表形式であり、多くの場合、紙ベースであるデータ制約のある環境では限界がある。本研究は、このようなデータ制約のある環境においても効果的に機能する予測ツールの必要性に対処するものである。

方法論
本研究は、エチオピアの5つの公立病院のデータ（エチオピア暦2013年–2016年）を用いた、回顧的な比較実験デザインを採用した。データセットには、人口統計学的属性、バイタルサイン、臨床検査結果、およびアウトカムを含む10,669人の成人ICU記録が含まれている。

1. データ前処理とバランシング：

   • 主要な管理フィールドにおいて20%を超える欠損値がある記録を除外した。
   • 数値の欠損値は中央値で、カテゴリ値は最頻値で補完した。
   • クラス不均衡に対処するため、多数派クラス（生存者）をアンダーサンプリングし、バランスの取れた訓練セットとして2,942人の患者（死亡率50%）を作成した。このプロセスにより、元の記録のうち7,631件が破棄された。
   • 外れ値は第1および第99パーセンタイルでキャップし、カテゴリ特徴量はラベルエンコーディングを行った。

2. 合成データの生成：
   実データを拡張するために、3つの異なるアルゴリズムを評価した：

   • SMOTE-NC (Synthetic Minority Over-sampling Technique for Nominal and Continuous): 既存の少数派インスタンスとそのk近傍との間の線形補間を用いた。計算効率が高く（2.1秒）、決定的である。
   • CTGAN (Conditional Tabular Generative Adversarial Network): 複雑で非線形な表形式の分布のために設計された、生成器（Generator）と識別器（Discriminator）のアーキテクチャ。計算負荷が高く（187.4秒）、確率的である。
   • VAE (Variational Autoencoder): 確率的潜在変数モデル。この特定の実施においては混合データ型の扱いに苦戦し、低いパフォーマンスとなった。

3. 実験デザイン：
   モデルは以下の3つの構成で訓練された：

   • Real-Only (RO): 実データのみでの訓練。
   • Synthetic-Only (SO): 合成データのみでの訓練。
   • Hybrid (HY): 実データ80%と合成データ20%の組み合わせによる訓練。

4. 機械学習アルゴリズム：
   分類（死亡率）および回帰（入院期間 - LOS）の両方について、3つのアルゴリズムをテストした：

   • ロジスティック回帰（ベースライン）
   • ランダムフォレスト
   • XGBoost

5. 検証：
   層化80/20ホールドアウト分割を使用し、テストセット（n=589）は最終評価まで隔離された。性能は、死亡率については精度（Accuracy）、F1スコア、AUCを用い、LOSについては平均絶対誤差（MAE）およびR²を用いて評価された。安定性は、5×5の反復層化交差検証によって検証された。

主な結果

• 合成データの品質：

  • CTGANは優れたダウンストリームの有用性を示し、実テストセットに対して91.7%の精度を達成した（SMOTE-NCの86.4%に対し）。ただし、訓練時間は大幅に長くなった。
  • VAEは予測能力を生み出すことができず（ランダムな推測と同等の51.6%の精度）、ハイブリッド実験からは除外された。
  • SMOTE-NCは、高い相関保持能力と計算効率の現実的なバランスを提供した。

• 死亡率予測：

  • ハイブリッドモデルは、Real-OnlyおよびSynthetic-Onlyモデルを一貫して上回った。
  • 最も優れた性能を示したモデルは、ハイブリッド構成におけるCTGAN + XGBoostであり、精度0.998（95% CI: 0.995–1.000）、F1スコア0.996、AUC 0.99を達成した。
  • SMOTE-NC + Random Forestも高い精度（0.996）を達成した。
  • 注記： 著者らは、これらの高い精度数値は、人工的にバランス調整されたテストセット（死亡率50%）に基づいていることを明示しており、現実世界のクラス分布を反映しているわけではないと警告している。

• 入院期間（LOS）予測：

  • ハイブリッド構成のCTGAN + XGBoostが、MAE 4.08日（95% CI: 3.58–4.67）およびR² 0.601という最高の性能を達成した。
  • CTGAN + Random Forestを合成データのみで訓練したところ、驚くべきことにReal-Onlyのベースライン（MAE 3.76日）を上回り、CTGANが臨床的に意味のある時間的パターンを正常に保持していることが示唆された。

• 特徴量の重要度：

  • **酸素化（Oxygenation）**が支配的な予測因子として浮上した。酸素要求量（r = 0.327）とSpO2（r = 0.299）が上位の機能であった。
  • ヘモグロビンは、死亡率との関連性が極めて低かった（r = -0.023、ランク15/19）。
  • 年齢は統計的に有意な予測因子ではなかった（p = 0.39）。
  • SHAP分析により、この特定のコホートにおいては、酸素化変数がヘモグロビンや年齢よりも死亡リスクを駆動することが確認された。

意義と主張
本論文は、主に3つの貢献を主張している：

1. 比較性能： リソースの限られたエチオピアの環境における、実データ、合成データ、およびハイブリッドデータの構成間での機械学習モデルの体系的な比較を提供した。
2. コンテキスト固有の予測因子： 酸素化を決定的な要因として強調し、ヘモグロビンや年齢の重要性を疑問視することで、エチオピアのICU特有の臨床的予測因子を特定した。
3. プロトタイプの開発： 医療関係者が洞察、特徴量の重要度、および「もしも（what-if）」のシナリオを可視化するための、インタラクティブなStreamlitプロトタイプを開発した。

著者らは、ハイブリッドモデリング（実データと合成データの組み合わせ）が、データが乏しく不均衡なリソース制限のある環境において、効果的な予測モデルを作成するための実行可能な解決策であることを強調している。彼らは、生成方法（例：CTGANまたはSMOTE-NC）がダウンストリームの有用性に関して検証されている限り、合成データによる拡張は、重大なバイアスを導入することなく判別能を向上させることができると主張している。

謙虚さと限界
論文は、臨床的な準備性に関して謙虚なトーンを維持している：

• 検証ステータス： 結果は内部検証（5つの病院からの回顧的データ）に基づいている。著者らは、高い精度（99.5%）は、テストセットの人工的なバランシングおよび未確認の施設による外部検証の欠如により、楽観的である可能性が高いことを明示している。
• 臨床的有用性： プロトタイプは、研究デモンストレーションおよび仮説生成のための「概念実証（PoC）」として記述されている。これは臨床使用のための承認を得たものではなく、患者のケア決定に利用されるべきではない。
• 一般化可能性： 知見はエチオピアの公立三次救急病院に特有のものであり、再校正および外部検証なしに、民間の病院、農村施設、または他国に一般化すべきではない。
• 因果関係： 著者らは、SHAP値と特徴量の重要度は関連性を示すものであり、因果関係を示すものではないことを明確にしている。観察された関係（例：SpO2と死亡率の間）は、介入までの時間やリソースの可用性といった未測定の要因によって混同されている可能性がある。

本研究は、合成データによる拡張がデータ不足を克服する上で有望であることを示す一方で、臨床への展開の前に、前向きな外部検証および実装科学の試行が前提条件であると結論付けている。