Machine Learning Versus Self-Supervised Transfer Learning for 30-Day Readmission Prediction in Diabetic Patients

あなたは、あるミステリーを解決しようとしている探偵だと想像してください。誰が再び病気になり、30日以内に再入院するか？これは単なるゲームではありません。医師や病院にとって非常に大きな問題なのです。患者が早すぎる時期に戻ってくることは、しばしばケアに何らかの問題があったことを意味し、多額の費用がかかります。糖尿病患者の場合、この現象はより頻繁に起こります。これを解決するために、科学者たちは「機械学習」を使用します。これは、過去の膨大な診療記録の山からパターンを学習するようにコンピュータに教え込むようなもので、まるで探偵が犯人の習慣を見つけ出すために古い事件ファイルを研究するのと似ています。

通常、超高性能なコンピュータと聞くと、私たちは「ディープラーニング（深層学習）」や「ニューラルネットワーク」といった、写真の中の顔を認識したり音声を理解したりすることに長けた、脳のような複雑なシステムを思い浮かべます。しかし、この論文はトリッキーな問いを投げかけています。データが単なる数値の表（年齢、血糖値、通院回数など）である場合、これらの豪華で脳のようなコンピュータは、本当に昔ながらのシンプルな数学的ツールよりも優れているのでしょうか？また、研究者たちは、コンピュータに答えを与えずにまずデータを学習させることで（テストを受ける前に教科書を読むように）、コンピュータに「先取り学習」を与えた場合に、より賢くなるかどうかについても検証したいと考えました。これは、病院には単にかっこいいツールではなく、実際に患者を助けることができるツールが必要だからです。

コンピュータの大対決

この研究において、研究チームは、糖尿病患者が30日以内に再入院するかどうかを予測するための、2つのコンピュータモデルによるレースを設定しました。彼らは、全米130の病院からの、約10万件の患者訪問を含む膨大なデータセットを使用しました。

対戦相手たち

• クラシック・チーム： このチームは、よく知られた信頼性の高い4つのツールを使用しました。ロジスティック回帰（単純な数式の線）、ランダムフォレスト（決定木のグループ）、XGBoost、そしてLightGBMです。これらは、スプレッドシートからパターンを見つけ出すことに長けた「ベテランの探偵」のようなものです。
• ニューラル・チーム： このチームは、2つのバージョンの「ニューラルネットワーク（コンピュータの脳）」を使用しました。一つは、初日からすべてを学ぶ学生のように、ゼロから学習したものです。もう一つは「転移学習者」です。これは特別な「先取り」を得ました。まず、デノイジング・オートエンコーダと呼ばれる手法を用いて、答えを知ることなくすべての患者データを学習しました。これは、学生がテスト問題を見る前に、医学の教科書全体を読み、言葉がどのように組み合わさっているかを学ぶようなものです。この先取り学習によって、彼らがより優れた探偵になるのではないかという考えに基づいています。

レースの結果
「大きくて豪華なものほど良い」と考えている人々にとって、結果は驚くべきものでした。

• 勝者： ベテランの探偵たちが容易に勝利しました。XGBoost（勾配ブースティング決定木の一種）が、テストデータにおいて0.672というスコアで1位となりました。LightGBMとランダムフォレストが僅差でそれに続きました。
• 敗者： 豪華なニューラルネットワークは、たとえ「先取り学習」を行ったものであっても、かなり振るわない結果でした。彼らのスコアは約0.58であり、これはコイン投げで決まる確率とほとんど変わりません。「先取り学習」は全く役に立たず、むしろゼロから学習したものよりもわずかに成績が悪くなりました。

研究者たちは、この特定の種類（病院記録のスプレッドシート）のデータに対しては、複雑で脳のようなコンピュータには特別な超能力はないことを発見しました。よりシンプルな、決定木ベースのモデルの方が、この仕事には適していたのです。

システム内の「漏洩」
レースの最中、研究者たちは大きなミスを犯しそうになりました。最初にXGBoostモデルのチューニングを行った際、誤ってコンピュータに「不適切なデータ使用」をさせてしまいました。彼らは、データをトレーニング用とテスト用に分割する前に、SMOTE（データのバランスをとるために偽の患者データを作成する手法）を使用してしまったのです。これは、探偵がテストを開始する前に解答集を覗き見させてしまうようなものでした。コンピュータは、不可能に近い0.957という偽の完璧なスコアを叩き出しました。研究者たちはこのエラーを察知し、「不適切なデータ使用」がトレーニンググループ内でのみ発生するように修正することで、スコアを現実的な0.661へと戻しました。これは、ルールが完璧に守られなければ、賢いコンピュータであっても騙されてしまうことを彼らに教えました。

「閾値（しきいち）」の罠
ここがこの論文における最も重要な教訓です。コンピュータモデルは単に「はい」か「いいえ」を言うのではなく、パーセンテージ（確率）を提示します。そして、どのパーセンテージを「はい」とカウントするかを決めなければなりません。

• デフォルトの罠： もし標準的な経験則（**50%を超えたら「はい」とする）を使用すると、そのモデルは役に立ちません。実際に再入院した患者のわずか1.4%**しか捉えることができないからです。あまりに慎重すぎて、ほとんどのケースを見逃してしまいます。
• スマートなルール： 研究者が（Youden's Jと呼ばれる数学的公式に基づいて）ルールを**12.8%まで下げると、モデルは非常に有用になりました。これにより、再入院した患者の58%**を捉えることができました。しかし、これには代償も伴いました。正しくフラグを立てた患者1人につき、実際には再入院しない患者を約4〜5人誤ってフラグ立てしてしまうことになります。

これが意味すること
この論文は、標準的な病院記録のみを用いた入院再入院の予測において、予測の質には「天井（限界）」があることを結論づけています。3つの異なる研究チームが、すべて異なる手法を用いながら、最高のスコアが0.66から0.69の間であることを発見しました。これは、どれほど豪華なコンピュータを使ったとしても、データ自体（単なるスプレッドシートの数値）には、完璧な予測を行うための手がかりが十分に備わっていないことを示唆しています。

本研究は、もしシンプルなツールの方がうまく機能するのであれば、病院は超複雑なディープラーニング・システムに無駄な資金を投じるべきではないと主張しています。さらに重要なのは、単にモデルを実行するだけでは不十分であり、アラームを鳴らすための「ルール」を慎重に選ばなければならないということです。間違ったルールを選べば、優れたモデルであっても役に立たないものに見えてしまいます。著者らは、より優れた予測を行うためには、数字以上のもの、つまり医師のメモや時間の経過に伴う傾向といった、より豊かな情報が必要であると示唆しています（今回の古いデータセットにはそれらが含まれていませんでした）。