PhysioRisk: an interpretable survival- modeling framework for separating demographic and physiological mortality risk

あらゆる人間の命は、予測可能な統計的曲線に従っています。すなわち、年を重ねるにつれて、死ぬ可能性が高くなるのです。これは、単なる時間の経過によって引き起こされる、死に関する根本的なリズムです。年齢は非常に強力な予測因子であるため、医師や科学者は、個人の血液検査結果と年齢を組み合わせたコンピュータモデルを構築し、その人がどの程度生きられるかを推測することがよくあります。これらのモデルは、人々を高リスク群と低リスク群に分類することには長けていますが、ある「盲点」を持っています。モデルが年齢と生物学的な数値を一つの数値に統合してしまうと、その高いリスクスコアが、単にその人が高齢であることによるものなのか、それともその年齢の期待値よりも身体が早く老化していることによるものなのかを判別することが不可能になります。この混同は重要な問題です。なぜなら、研究者たちは、不可避な暦年齢の進行とは別に、生物学的な老化（私たちのシステムにおける摩耗や消耗）を理解したいと考えているからです。もしスコアが年齢と複雑に絡み合っていると、ある治療法が実際にその人の生理機能に役立っているのか、それとも単にその人が年をとっているという事実を反映しているだけなのかを判断できなくなってしまいます。

グレゴリー・アレンという研究者は、これら二つの糸を解きほぐそうと試みました。彼は、加齢に伴う予想される危険性と、生理学的機能不全による予期せロな危険性とを分離して、死亡リスクを見る新しい方法を開発しました。彼は、20年近くにわたって収集された、数千人のアメリカ人の膨大な健康データを用い、まずその人の年齢と性別によって直面するリスクを計算するシステムを構築しました。次に、彼は残りのリスク、つまり血中のマーカー（腎機能や炎症を測定するものなど）が、その年齢・性別において典型的である状態からどのように乖離しているかという点に着目しました。これら二つのリスク源を切り離すことで、彼は、個人の死亡リスクの全体像を示すと同時に、年齢という要素に埋もれることなく、その人の生物学的な状態が具体的にどのように寄与しているかを示すことができる枠組みを作り上げたのです。

この研究は、米国の代表的なサンプルをテストし、インタビューを行う長期的なプロジェクトである「国民健康栄養調査（NHANES）」のデータに基づいています。アレンはこのデータを、モデル構築に使用する初期グループと、モデルの検証に使用する後期のグループの二つに分け、知見が時間の経過を経ても維持されることを確認しました。彼はまず、年齢と性別のみに基づいた「DemoRisk」と呼ばれるベースライン・スコアを作成しました。このスコアは、高齢者が統計的に若年層よりも死亡しやすいという事実に基づき、誰が死亡するかを予測する能力の大部分を捉えました。次に、彼は血液検査の結果を取り上げ、そこから年齢や性別によって既に説明できてしまうパターンを取り除きました。例えば、加齢に伴って腎機能が自然に低下する場合、モデルはその予想される低下分を除去しました。後に残ったのは、偏差です。つまり、特定の年齢や性別の平均的な状態よりも、血液の状態が悪い、あるいは良い人々です。

これらの残された偏差は、主に二つのカテゴリーに整理されました。一つは、研究者が「HematologicStress（血液学的ストレス）」と名付けたカテゴリーで、血球細胞や免疫系に関連するマーカーをグループ化したものです。もう一つは、「RenalHepaticTurnover（腎肝代謝回転）」と呼ばれ、腎臓や肝臓の機能に関連するマーカーに焦点を当てたものです。これら二つのカテゴリーを組み合わせることで、彼は二つ目のスコアである「PhysioRisk」を作成しました。このスコアは、年齢からほぼ完全に独立するように設計されており、研究では、生存年数との相関がほとんど見られませんでした。年齢の影響を取り除いているにもかかわらず、この生理学的スコアは依然として重要な情報を持っていました。PhysioRiskが高い人々は、研究期間中に死亡する可能性が、スコアが低い人々よりも高かったのです。これは、研究者が年齢や性別が同じ人々を比較した場合でも成立しました。このことは、生物学的な機能不全が、単に年をとるという信号とは異なる、独自の死亡予測シグナルを持っていることを証明しました。

最も重要な発見は、研究者がこれら二つの分離されたスコアを再結合した時に得られました。彼は、初期データから決定された特定の重みを用いて、年齢に基づくリスクと生理学的リスクを足し合わせました。その結果得られた「CalibratedTotalRisk（校正済み総リスク）」は、既存の最高水準のモデルと比較しても、死亡を予測する上で同等の性能を発揮しました。実際、これは年齢のみを使用する場合よりもわずかに優れた性能を示しました。これは、生理学的成分が予測において真の価値を加え、年齢ベースの成分の力を失わせることなく、人々をリスク順にランク付けする能力を向上させたことを実証しています。また、この結合モデルは、生物学的年齢を推定しようとする、よく知られた既存の指標である「PhenoAge」とも比較されました。新しい結合スコアはPhenologyと同様の性能を示しており、人口統計学的な部分と生理学的な部分を分離しても、予測の全体的な精度が損なわれないことが示唆されました。

しかし、研究は、これらのリスクが時間の経過とともにどのように振る舞うかという、微妙な複雑性も明らかにしました。年齢ベースの部分は一貫した挙動を示しましたが、結合スコアは、リスク因子と死亡との結びつきが、追跡期間が長くなるほど強くなることを示しました。これは、高スコアの人と低スコアの人の間のリスクの差が、時間の経過とともに一定に保たれるのではなく、広がっていくことを意味します。この知見は、身体の生理学的状態が、死亡に対して遅延した影響を及ぼし、長い年月を経てより明白になる可能性があることを示唆しています。研究者たちは、この挙動が、リスク比が時間の経過とともに一定であるという標準的な統計学的仮定には適合しないことを指摘しており、これは、生物学と死の関係が、単純なモデルが想定するよりもダイナミックであることを示しています。

この研究は、完璧な生物学的年齢の尺度や、寿命を延ばすための魔法の手段を見つけたと主張しているわけではありません。生理学的スコアは、ある人の身体が生物学的な意味でどれほど「古い」かを直接測定するものではなく、また、特定の血液マーカーが死の原因であると証明するものでもありません。むしろ、それはデータをより明確に捉えるための方法を提供しています。リスクを「高齢であることのリスク」と「病気であることのリスク」に分離することで、モデルは研究者が異なる問いを投げかけることを可能にします。研究者は、一般的な老化の傾向とは無関係に、その人の生理機能が暦年齢が示唆するものよりも速く衰退しているかどうかを確認できるようになったのです。この分離は、年齢という圧倒的な信号が、生物学的な健康に関するより微細な信号をかき消してしまうのを防ぐために極めて価値があります。

本研究は単一の国によるデータを用いており、特定の血液検査セットに依存しているため、結果を広く適用するには他の集団での検証が必要です。また、研究者らは、このモデルが完全な血液検査データを持つ人々に基づいて構築されているため、通院できていない可能性のある最も病状が重い、あるいは最も脆弱な人々が除外されている可能性があることも指摘しています。こうした限界はあるものの、このアプローチは死亡率を理解するための新しいツールを提供しています。それは、年齢の持つ力を尊重しつつ、生理学的健康の独自の寄与を孤立させることが可能であることを示しています。二つのリスク源を可視化し、切り離して扱うことで、この枠組みは、私たちは皆年をとっていくものの、私たちの身体が必ずしも同じ速度や同じ方法で老化するわけではないということを認める、より微細な視点による人間老化の理解を提示しています。