FastJM: An R Package for Efficient Implementation of Semiparametric Joint Models for Longitudinal and Survival Data

Stel je voor dat je een detective bent die een mysterie probeert op te lossen over de gezondheid van een patiënt. Je hebt twee soorten aanwijzingen: een lange lijst met dagelijkse controles (zoals bloeddruk of cholesterolwaarden die over jaren heen zijn genomen) en een enkele, kritieke gebeurtenis (zoals een hartaanval of de noodzaak voor een transplantatie). In het verleden keken wetenschappers vaak naar deze aanwijzingen afzonderlijk, alsof ze het dagelijkse dagboek in de ene kamer lazen en het definitieve vonnis in een andere. Maar het leven is niet zo netjes. De dagelijkse gezondheidsschommelingen van een patiënt fluisteren vaak geheimen over hun toekomstige risico's, en een naderende gezondheidscrisis kan de dagelijkse metingen verstoren. Om het volledige plaatje te krijgen, moet je de stippen verbinden tussen de dagelijkse ups en downs en de grote gebeurtenis. Dit is de taak van "joint models" (gekoppelde modellen), een krachtig statistisch hulpmiddel dat deze twee verhalen aan elkaar koppelt. Echter, wanneer je duizenden patiënten hebt met miljoenen datapunten, is het verbinden van deze stippen met oude methoden alsoك een enorme legpuzzel proberen op te lossen terwijl je ovenwanten draagt — het is traag, onhandig en vaak onmogelijk om te voltooien.

Dit is waar een nieuwe tool genaamd FastJM in beeld komt, geïntroduceerd door een team van statistici in een recent artikel. Denk aan FastJM als een superkrachtige, robotische puzzeloplosser, ontworpen specifiek voor deze complexe medische mysteries. Het artikel legt uit hoe deze nieuwe softwarepackage enorme hoeveelheden medische gegevens veel sneller kan verwerken dan voorheen, zonder aan nauwkeurigheid in te boeten. Het handelt drie lastige scenario's af: het volgen van één gezondheidsmarker, het tegelijkertijd volgen van meerdere markers, en zelfs het opsporen van momenten waarop de dagelijkse gezondheidsschommelingen van een patiënt wild uiteenlopen (wat vaak een teken van problemen is). De auteurs laten via computersimulaties zien dat hun nieuwe "linear-scan" algoritmen werken als een hogesnelheidsscanner, waarbij onnodige stappen worden overgeslagen om het model efficiënt bij te werken. Ze introduceren ook een slimme "landmark"-truc, waarmee artsen de analyse kunnen pauzeren op een specifiek moment (zoals een 5-jaars controle) om betere voorspellingen te doen over wat er daarna gebeurt, zonder vast te lopen in de wiskunde. Het resultaat is een instrument dat het mogelijk maakt om deze geavanceerde modellen te gebruiken op massale datasets, zoals die in moderne ziekenhuizen en biobanken, wat onderzoekers helpt om ziekteprogressie te begrijpen en risico's met meer snelheid en helderheid te voorspellen.

Het dilemma van de detective: Twee verhalen, één patiënt

In de wereld van medisch onderzoek verzamelen wetenschappers vaak twee zeer verschillende soorten gegevens van dezelfde groep mensen. Ten eerste, de longitudinale data: denk hierbij aan een dagboek van herhaalde metingen. Een patiënt kan elke maand gedurende vijf jaar de bloedsuiker laten controleren, of de bloeddruk bij elk doktersbezoek laten meten. Deze cijfers gaan omhoog en omlaag, waardoor een uniek "traject" of pad voor elke persoon ontstaat. Ten tweede, de time-to-event data: dit is het "grote moment". Het kan de dag zijn waarop een patiënt een hartaanval krijgt, een orgaantransplantatie nodig heeft, of helaas overlijdt. Soms zijn er concurrerende risico's (competing risks), wat betekent dat een patiënt verschillende soorten "grote momenten" kan ervaren (zoals een hartaanval of een beroerte), en slechts één ervan kan als eerste plaatsvinden.

Lamaag hebben statistici deze twee verhalen afzonderlijk geanalyseerd. Ze gebruikten één set wiskunde om het dagboek (de longitudinale data) te bestuderen en een andere set voor het grote moment (de overlevingsdata). Maar deze aanpak heeft een gebrek. Als een patiënt zieker wordt, kan hij stoppen met naar de dokter gaan, waardoor er gaten in het dagboek ontstaan. Of, als de dagelijkse metingen ruizig of onregelmatig zijn, kan die ruis juist een waarschuwingssignaal zijn voor het grote evenement. Als je de verbinding tussen het dagelijkse dagboek en de uiteindelijke gebeurtenis negeert, mis je het volledige verhaal.

Maak kennis met Joint Models. Dit zijn geavanceerde statistische kaders die proberen beide verhalen tegelijkertijd te vertellen. Ze gaan ervan uit dat de dagelijkse schommelingen en de grote gebeurtenis verbonden zijn door iets dat verborgen zit in de patiënt, zoals een gedeelde "vingerafdruk" van hun gezondheid. Door ze samen te modelleren, krijgen onderzoekers een duidelijker beeld van hoe een ziekte verloopt en kunnen ze voorspellen wie een risico loopt op een slechte afloop.

Het probleem: De puzzel is te groot

Hoewel joint models krachtig zijn, zijn ze berucht moeilijk te gebruiken met grote datasets. Stel je voor dat je een puzzel probeert op te lossen waarbij elk stukje van vorm verandert terwijl je ernaar kijkt, en je dit voor 100.000 mensen moet doen. Traditionele methoden voor het fitten van deze modellen zijn computationeel zwaar. Ze vereisen vaak dat de computer keer op keer enorme lijsten met "risk sets" (groepen mensen die nog steeds risico lopen op een gebeurtenis) opnieuw berekent. Naarmate het aantal patiënten groeit, groeit de tijd die nodig is om de puzzel op te lossen exponentieel. Het is alsof je elk korreltje zand op een strand probeert te tellen door ze één voor één op te pakken; het duurt gewoon te lang.

Bovendien zijn gegevens in de echte wereld rommelig. Soms heeft een patiënt meerdere markers (zoals zowel bloeddruk als cholesterol) die tegelijkertijd gevolgd moeten worden. Andere keren kunnen de metingen van een patiënt extreem inconsistent zijn — de ene dag heel stabiel, de andere dag wild springend. Standaardmodellen gaan er vaak van uit dat de metingen van iedereen even stabiel zijn, wat niet waar is. Als het model geen rekening houdt met deze "heterogene variabiliteit", kan het belangrijke aanwijzingen missen.

De oplossing: FastJM en de "Linear-Scan" magie

Het artikel introduceert FastJM, een R-package (een tool voor statistici) die is ontworpen om deze snelheid- en complexiteitsproblemen op te lossen. De auteurs, een team van onderzoekers van universiteiten in China en de VS, hebben een nieuwe manier ontwikkeld om de wiskunde achter joint models uit te voeren.

1. De snelheidssprong: Linear-Scan Algoritmen
De kerninnovatie van FastJM is een set "linear-scan algoritmen". Om dit te begrijpen, stel je voor dat je een rij mensen sorteert op lengte. De oude manier was om elke persoon met elke andere persoon te vergelijken om de volgorde te vinden. Dat duurt eeuwen als je een menigte hebt. De nieuwe manier, gebruikt door FastJM, is om de rij één keer te scannen en een lopende telling bij te houden. Je hoeft niet iedereen telkens opnieuw te controleren wanneer je een nieuwe persoon toevoegt; je werkt alleen je telling bij. In de wereld van joint models betekent dit dat de software de "baseline hazards" (het onderliggende risico op een gebeurtenis) veel sneller kan bijwerken. In plaats van dat de rekenkracht van de computer groeit met het kwadraat van het aantal patiënten (wat razendsnel enorm wordt), groeit het in een rechte lijn. Dit maakt het mogelijk om datasets met tienduizenden deelnemers binnen een redelijke tijd te analyseren.

2. Het afhandelen van de drie lastige gevallen
FastJM is niet alleen snel; het is ook flexibel. Het artikel beschrijft drie specifieke soorten modellen die het kan afhandelen:

• Single Biomarker: De standaardgevallen, waarbij één gezondheidsmarker (zoals bloeddruk) wordt gevolgd tegenover een risico op een gebeurtenis.
• Multiple Biomarkers: Het tegelijkertijd volgen van verschillende markers (zoals bloeddruk, cholesterol en gewicht). De uitdaging hier is dat deze markers vaak met elkaar samenhangen. FastJM gebruikt een "normale benadering" om de wiskunde van meerdere markers te verwerken zonder vast te lopen in een computationele nachtmerrie.
• Heterogene Variabiliteit: Dit is voor wanneer patiënten "wildcards" zijn. Sommige patiënten hebben zeer consistente metingen, terwijl anderen wild schommelen. FastJM gebruikt een "mixed-effects location-scale" model om rekening te houden met dit aspect. Het kijkt niet alleen naar de gemiddelde gezondheid; het kijkt ook naar hoe onstabiel de gezondheid van een patiënt is, omdat die instabiliteit op zichzelf een voorspeller van risico kan zijn.

3. De "Landmark"-truc voor betere voorspellingen
Het artikel introduceert ook een slimme uitbreiding genaamd landmark multivariate joint modeling. In traditionele joint models is de voorspelling van risico gebaseerd op de volledige geschiedenis van de patiënt tot aan het huidige moment. Dit is geweldig, maar wiskundig zwaar als je wilt voorspellen wat er morgen gebeurt op basis van de gegevens van vandaag.

De "landmark"-benadering is als het pauzeren van een film bij een specifieke scène (bijvoorbeeld 5 jaar in de studie). De software kijkt alleen naar patiënten die op dat 5-jaars punt nog gezond zijn. Vervolgens gebruikt het de gezondheid van de patiënt op dat exacte moment om te voorspellen wat er in de toekomst zal gebeuren. Dit is computationeel veel lichter en maakt "tijdsafhankelijke" voorspellingen mogelijk die gemakkelijker te interpreteren zijn. Het artikel laat zien dat deze methode gecombineerd kan worden met de snelle algoritmen om artsen een manier te bieden om risicovoorspellingen op specifieke controlemomenten bij te werken, zonder te hoeven wachten tot een supercomputer klaar is met de berekeningen.

Wat het artikel daadwerkelijk vond

De auteurs hebben het hulpmiddel niet alleen gebouwd; ze hebben het ook getest. Ze voerden uitgebreide computersimulaties uit om te zien hoe FastJM presteerde vergeleken met bestaande methoden.

• Snelheid: De simulaties toonden aan dat FastJM aanzienlijk sneller is dan andere packages, vooral naarmate het aantal patiënten en het aantal biomarkers toenam. Bijvoorbeeld, in een test met 5.000 patiënten en drie biomarkers, voltooide het model de berekening in ongeveer 7,38 minuten met behulp van parallel computing.
• Nauwkeurigheid: Ondanks de snelheid, toonde het artikel aan dat de schattingen (de cijfers die het model produceert) accuraat bleven. De "linear-scan" algoritmen namen geen shortcuts die de resultaten zouden ruïneren; ze vonden simpelweg een slimmer pad.
• Flexibiliteit: De package handelde de drie verschillende modeltypen succesvol af, inclus� inclusief het complexe geval waarbij de variabiliteit van patiënten verschilt. De auteurs toonden aan dat het negeren van deze variabiliteit (door een standaardmodel te gebruiken) tot misleidende diagnostische plots zou leiden, terwijl het gespecialiseerde model van FastJM het probleem correct identificeerde.
• Voorspelling: Het artikel toonde aan dat de dynamische voorspellingsinstrumenten (die vertellen wat de waarschijnlijkheid is dat een gebeurtenis in de toekomst plaatsvindt) goed werkten. Ze gebruikten cross-validatie (een methode om het model te testen op verschillende delen van de data) om aan te tonen dat de voorspellingen betrouwbaar waren, waarbij ze metrieken gebruikten zoals de "C-index" (een maatstaf voor hoe goed het model patiënten rangschikt op risico) en "Brier scores" (een maatstaf voor voorspellingsnauwkeurigheid).

Wat het (nog) niet doet

Het is belangrijk om te weten wat FastJM volgens het artikel niet doet. Het richt zich specifiek op continue longitudinale data (getallen zoals bloeddruk) en concurrerende risico's (verschillende soorten gebeurtenissen). Het behandelt nog geen andere soorten gegevens, zoals het aantal gebeurtenissen (bijv. aantal aanvallen) of binaire uitkomsten (ja/nee), hoewel de auteurs dit noemen als een doel voor toekomstige ontwikkeling. Ook, hoewel het "landmark"-analyse afhandelt, vervangt het niet de noodzaak voor een zorgvuldige studieopzet; het maakt de wiskunde alleen makkelijker.

Waarom dit ertoe doet

De essentie is dat FastJM een belangrijke flessenhals in medisch onderzoek wegneemt. Jarenlang wilden onderzoekers deze geavanceerde joint models gebruiken om complexe ziekten te begrijpen, maar de benodigde computerkracht was vaak onbereikbaar. Door deze modellen snel en toegankelijk te maken, opent FastJM de deur naar het analyseren van de enorme datasets die steeds gebruikelijker worden in de moderne geneeskunde, zoals elektronische patiëntendossiers en grote biobanken.

Het artikel suggereert dat onderzoekers met dit hulpmiddel eindelijk meer genuanceerde vragen kunnen stellen: "Hoe voorspelt de variabiliteit in de bloedsuiker van een patiënt een hartaanval?" of "Als we de cholesterol en de bloeddruk van een patiënt samen bekijken op het 5-jaars punt, hoe verandert dat hun risico op een beroerte?" De auteurs beweren niet dat ze elk probleem in de statistiek hebben opgelost, maar ze hebben een krachtige nieuwe motor geleverd die de wetenschappelijke gemeenschap in staat stelt om sneller en met meer helderheid dieper in de data te duiken.