Explainable machine learning to predict depression across phenotype definitions integrating genetic and environmental factors

うつ病は世界中で主要な障害の原因となっており、何百万人もの人々に影響を与えていますが、誰がそれを発症するかを予測することは、現代医学における最も困難な課題の一つであり続けています。その難しさは、疾患自体の性質にあります。うつ病は単一で均一なものではなく、多くの異なる糸で織り成された複雑なタペストリーなのです。一時的な悲しみの期間として経験する人もいれば、深刻な症状とともに生涯にわたる苦闘を耐え忍ぶ人もいます。さらに、その原因は生物学と人生経験が複雑に絡み合ったものです。科学者たちは遺伝子が役割を果たしていることを知っていますが、同時に、睡眠、経済的ストレス、そして社会的孤立も強力な力であることを知っています。うつ病の定義は、誰がどのような問いを投げかけるかによって変わるため、信頼できるコンピュータモデルを構築することは、まるで動く標的を狙うようなものでした。研究者たちは、データにおける疾患の定義方法が予測結果を左右するのか、そして私たちのDNAに隠された遺伝的な手がかりは、特定の種類（タイプ）のうつ病にのみ有用なのか、それとも疾患全体に対して有用なのかという疑問を長年抱いてきました。

エディンバラ大学の研究チームは、異なる定義を用いた場合に機械学習モデルがどの程度うまくうつ病を予測できるかをテストすることで、このパズルを解こうと試みました。彼らは、50万人以上のボランティアの健康情報を含む膨大なデータベースであるUKバイオバンクを活用し、約15万3,000人を調査対象としました。単一の方法でうつ病を特定するのではなく、チームは4つの明確なグループを作成しました。一つのグループは、過去2週間の症状に関する標準的な質問票によって特定される、現在うつ状態にある人々を表しています。他の3つのグループは、生涯にわたるうつ病を表しており、それぞれ異なる厳格さで定義されています。すなわち、中核的な症状に基づく広範なスクリーニング、専門家への相談歴の自己申告、そして高確度の診断を保証するためのこれらすべての要因を組み合わせた厳格な定義です。これらのグループの各個人について、研究者は年齢、性別、睡眠習慣、経済状況、そしてポリジェニック・リスク・スコア（数千の微細なDNAの変異に基づき、うつ病を発症する遺伝的な可能性を要約した単一の数値）を含む幅広いデータを収集しました。

研究者たちは、これらのデータから学習して、誰がうつ病に分類されるかを予測するために、5種類の異なるコンピュータアルゴリズムを訓練しました。その結果、「ブースティング・モデル」として知られる最も高度なアルゴリズムが最高のパフォーマンスを示しましたが、真に重要な物語は、うつ病の定義がいかに結果を変化させたかという点にありました。生涯にわたるうつ病を対象としたとき、モデルは極めて一貫していました。定義が広範であっても厳格であっても、コンピュータは最も重要な要因として上位5つを特定しました。それは、女性であること、年齢、不眠症、自己評価による健康状態、そして遺伝的リスク・スコアです。これらのモデルは、遺伝情報が生涯にわたるうつ病の予測精度に対して、小さくとも意味のある向上をもたらすことを示しました。しかし、目標を「過去2週間の現在の症状」の予測に切り替えると、状況は一変しました。現在の症状に関するモデルは、遺伝や性別への依存度が大幅に低下し、代わりに、他人に悩みを打ち明けられる頻度や経済的な困難に直面しているかどうかといった、修正可能な生活要因に重いウェイトを置くようになりました。

この変化は、決定的な洞察を明らかにしました。すなわち、定義の方法が、コンピュータがそれについて何を学ぶかを決定するということです。生涯にわたるうつ病に基づいて訓練されたモデルは、定義が広範であっても厳格であっても同じルールを学習するため、高い転移性（汎用性）を持っていました。対照的に、現在の症状のためのモデルは、長期的な脆弱性ではなく、当面の生活環境に焦点を当てた異なる一連のルールを学習しました。研究者たちはまた、遺伝と環境が相互作用するかどうかを調査し、個人の遺伝的リスクが生活状況によって増幅されるケースを探りました。その結果、不眠症に苦しむ人々において、うつ病の遺伝的リスクがより顕著になるという強い証拠が見つかりました。これは、睡眠障害が、遺伝的な素因をより強力なものにする引き金として機能する可能性を示唆しています。また、年齢や全体的な健康状態との同様の相互作用も見出されました。

本研究は、うつ病自体が一つの事象ではないため、予測における単一の「最善」の方法は存在しないと結論付けています。生涯にわたってうつ病を発症するリスクがある人々を特定するために設計されたモデルは、現在進行中のエピソードにある人を特定するためのモデルとは大きく異なるものになります。研究結果は、遺伝データは長期的なリスクを理解するためには有用であるが、現在の生活ストレスや社会的つながりによって駆動される即時的な症状を予測するには、それほど有用ではないことを示唆しています。定義が予測の形を作ることを示すことで、この研究は、科学者や医師が何を予測しようとしているのかについて精密である必要があることを強調しています。もし目的が「予防」であれば、モデルは生涯にわたるリスク要因に焦点を当てるべきです。もし目的が「即時の介入」であれば、焦点は現在の環境的および社会的条件へと移行しなければなりません。この研究は、うつ病を治す魔法の杖を提示するものではありませんが、地形を示すより明確な地図を提供しています。つまり、メンタルヘルスの未来を理解するためには、まず私たちが何を見ているのかについて合意しなければならないということです。