Deep Learning versus Linear Mixed Models for Estimating Treatment Effects in Longitudinal Repeated-Measures Studies

臨床研究の世界では、科学者たちは患者が時間の経過とともにどのように変化するかを追跡する必要があることがよくあります。例えば、ある人がうつ病の薬を服用している場合、その症状は単に「悪い」状態から「良い」状態へと一瞬で跳ね上がるわけではありません。代わりに、薬や生物学的な要因、そして時間の経過に影響されながら、日ごとに変動していきます。治療が本当に効果があるかどうかを理解するために、研究者は数週間、数ヶ月、あるいは数年といった複数の時点でデータを収集し、一人ひとりの長い測定値の列を作成します。課題は、同一人物からのこれらの繰り返される測定値は互いに結びついているということです。すなわち、初日の出来事が二日目の出来事に影響を与えるのです。伝統的な統計手法は、これら連結されたデータポイントを解きほぐすための標準として長く用いられてきました。これにより、科学者は薬の真の効果と、患者の症状の自然な浮き沈みを分離することができます。しかし、これらの伝統的なツールを使用するには、データを観察し始める前に、回復曲線の形状について特定の推測を行わなければなりません。もし現実世界の回復が、あらかじめ推測されたものとは異なる経路を辿った場合、そのツールは的を外してしまう可能性があります。

近年、ディープラーニング（深層学習）と呼ばれる、より柔軟な新しいアプローチが登場しました。伝統的なツールとは異なり、ディープラーニングはあらかじめ設定された形状や硬直した数式から始まりません。その代わりに、人間の脳の学習方法を模倣するように設計されたコンピュータシステムを使用し、データから直接、複雑なパターンや関係性を発見することができます。この柔軟性は強力ですが、サンプルサイズが限られることも多く、エラーの代償が大きい医療試験という極めて重要な環境において、この柔軟でデータに飢えたアプローチは、確立されたルールベースの手法よりも実際に優れた性能を発揮するのだろうか、という重大な疑問が生じます。フランスの研究チームは、どちらの手法が治療効果をより正確に測定できるかを確認するための制御実験を行うことで、この問いに答えるべく取り組みました。

研究者たちはこれを実際の患者に対して行ったのではなく、大うつ病性障害の臨床試験を高度に現実的に再現したコンピュータ・シミュレーションを用いてテストを行いました。彼らは、240人の参加者が、プラセボ群、低用量投与群、高用量投与群の3つのグループに分けられた仮想世界を構築しました。彼らは8週間にわたる患者のうつ病スコアをシミュレートし、テストの堅牢性を確保するために、3種類の異なる回復パターンを作成しました。また、一部の参加者が異なるタイミングで、あるいは異なる頻度で評価されるシナリオをテストするために、検診のスケジュールも変化させました。この仮想環境において、研究者たちは薬がどのように作用するかについての正確な「真実」を知っていました。なぜなら、彼ら自身がシミュレーションのルールを書き上げたからです。これにより、彼らはレフェリーとして、伝統的な統計モデルと新しいディープラーニング・システムという2つの手法が、既知の真実にどれだけ到達できるかを比較することができました。

分析が始まると、両方の手法が一般的な傾向を捉えることができました。すなわち、高用量の方が低用量よりも効果があり、両方ともプラセボよりも効果的であるということです。この広い意味において、両方のアプローチは成功しました。しかし、数値の精密さに目を向けると、明確な違いが現れました。伝統的な手法は、平均的には信頼できるものの、推定値において既知の真実からの顕著なズレを示しました。平均して、その治療効果の計算は、うつ病スケール上で約3.5ポイントの誤差が生じていました。対照的に、ディープラーニング・システムは驚くほど精密であり、その推定値が真の値から外れることはわずか0.15ポイント程度でした。ディープラーニング・システムは、既知の現実とも非常に密接に一致しており、真の値にほぼ完璧に従っていたのに対し、伝統的な手法はグループ間の差異を平坦化してしまう傾向があり、治療の真の強さを過小評価していました。

研究では、チェックアップのタイミングや頻度が変化した場合、つまり現実世界のシナリオのように、検診スケジュールが均一でない場合に、各システムがどのように機能するかについても調査しました。ディープラーニング・モデルは、データが不規則な間隔で収集された場合でも、その正確性を維持するという堅牢性を示しました。それは、パターンの形状を正確に教えられなくても、患者の回復に関する潜在的なパターンを学習することができました。一方で、データのつながりや回復曲線の形状に関する特定の仮定に依存する伝統的な手法は、データが事前に設定された期待値に完璧に適合しない場合、真実からの乖らが大きくなることが示されました。研究者たちは、ディープラーニング・アプローチは、基礎となるシステムに関する仮定をはるかに少なくしながら、真実に近い結果を生み出すことができると結論付けました。

このシミュレーションにおけるこれらの印象的な結果にもかかわらず、著者たちは最終的な勝利を宣言することには慎重です。彼らは、これらの知見が自らが作成した特定の条件下でのものであることを強調しています。この研究は、特定の種類なうつ病スケール、特定の参加者数、そしてデータが生成される際の特定のルールを使用しました。ディープラーニング手法がこの制御された設定において優れた性能を示したとはいえ、研究者たちは、それがあらゆる医療試験において普遍的に優れていると主張しているわけではありません。彼らは、ディープラーニング・モデルは複雑で解釈が困難な場合があること、そしてこのシミュレーションでの成功が、あらゆる現実世界のシナリオにおいて伝統的な手法を凌駕することを保証するものではないことを指摘しています。この研究は概念実証としての役割を果たしており、回復のパターンが複雑で事前に予測することが困難な場合、ディープラーニングが治療効果を推定するための強力で信頼できるツールになり得ることを示唆しています。これはさらなる調査への扉を開くものであり、現実世界の変数が完全に導入された際に、この精密さが維持されるかどうかを検証するために、より大規模で多様な試験でこれらの手法をテストすることを科学者たちに促しています。