Knowledge Graph Representations for Robust Patient Stratification under Unknown Missingness Mechanisms: a Comparative Computational Study
Deze studie toont aan dat kennisgraaf-embeddings een robuustere en stabielere patiëntstratificatie bieden dan traditionele imputatiegebaseerde pijplijnen onder onbekende ontbrekende mechanismen, met name in specialistische klinische data waar ontbrekende waarden vaak Missing Not At Random (MNAR) zijn.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de wereld van de moderne geneeskunde vertrouwen artsen op enorme digitale dossiers om hun patiënten te begrijpen. Deze elektronische patiëntendossiers zijn een verzameling feiten: symptomen die een patiënt rapporteert, tests die een arts aanvraagt en resultaten uit het laboratorium. Echter, deze dossiers zijn zelden compleet. Een arts vraagt niet elke mogelijke test aan voor elke patiënt; hij vraagt specifieke tests aan op basis van wat hij vermoedt dat er mis is. Op dezelfde manier vermeldt een patiënt mogelijk een symptoom niet als het als onbeduidend wordt beschouwd of als hij vergeet het te noemen. In de taal van de data science is dit niet zomaar willekeurige ruis. De ontbrekende informatie is vaak gekopp Rekend aan precies datgene wat ontbreekt. Als een arts een specifieke ziekte vermoedt, voert hij de test uit; als hij dat niet doet, is de testuitslag simpelweg afwezig. Dit creëert een lastige situatie voor computers die patronen in de data proberen te vinden. Als een computer een lege plek ziet waar een testresultaat zou moeten staan, moet hij raden wat daar hoort te staan. De standaardaanpak is om die lege plek in te vullen met een gemiddelde waarde, uitgaande van de veronderstelling dat de ontbrekende data slechts een willekeurige leegte is. Maar in de geneeskunde is een ontbrekende test vaak een bewuste keuze, geen willekeurig ongeluk. Het behandelen van een ontbrekend resultaat als een bevestigd negatief resultaat kan ertoe leiden dat de computer de verkeerde conclusies trekt over wie ziek is en wie gezond is.
Onderzoekers Francesco Orciuoli en Giuseppe Murdaca zetten zich in om dit probleem op te lossen door verschillende manieren te testen om patiëntgegevens te representeren voor computeranalyse. Ze werkten met een groep van 3ases 359 patiënten van een gespecialiseerde allergie- en immunologiekliniek in Italië. Deze patiënten hadden complexe aandoeningen variërend van chronische netelвen tot auto-immuunziekten, en hun dossiers waren gevuld met de soorten hiaten die hierboven worden beschreven: sommige antilichaamtests werden nooit aangevraagd, en sommige symptomen werden alleen opgeschreven als ze ernstig waren. Het team wilde zien of ze deze patiënten in betekenisvolle clusters konden indelen op basis van hun gegevens, zonder de computer te vertellen wat de uiteindelijke diagnose was. Ze vergeleken vijf verschillende methoden. Vier van deze methoden gebruikten de traditionele aanpak: ze namen de ruwe data, vulden de ontbrekende getallen aan met schattingen en gebruikten vervolgens een wiskundig hulpmiddel om de informatie te comprimeren naar een eenvoudigere vorm voordat de patiënten werden gegroepeerd. De vijfde methode volgde een totaal ander pad. In plaats van de gaten in te vullen, bouwden ze een kennisgrafiek (knowledge graph). In dit systeem is elke patiënt een punt, en elk stukje bevestigde informatie is een lijn die die patiënt verbindt met een specifiek feit. Als een test nooit is uitgevoerd, wordt er geen lijn getrokken. De computer ziet simpelweg dat de verbinding niet bestaat, in plaats van te raden wat die verbinding zou kunnen zijn.
De resultaten van deze vergelijking waren scherp en duidelijk. De traditionele methode, die bestaat uit het invullen van ontbrekende data en vervolgens het comprimeren ervan, presteerde slecht in bijna elk scenario dat de onderzoekers testten. Wanneer de ontbrekende data het realistische patroon volgde dat in ziekenhuizen voorkomt — waarbij tests selectief worden aangevraagd op basis van verdenking — faalde deze standaardmethode om de juiste groepen patiënten te vinden. In de ergste gevallen was de groepering van de computer zo slecht dat deze nauwelijks beter was dan een willekeurige kans. De onderzoekers ontdekten dat het proces van het invullen van de ontbrekende getallen een valse structuur in de data creëerde. Wanneer de computer vervolgens probeerde deze data te vereenvoudigen, versterkte hij deze fouten, waardoor de patiënten in de verkeerde groepen werden vastgezet. Het was alsof de computer een gebied probeerde in kaart te brengen op basis van een kaart die was ingevuld met gissingen, en de kaartmaker maakte van die gissingen vervolgens solide grond.
In contrast hiermee bleek de kennisgrafiek-aanpak de meest betrouwbare te zijn. Omdat deze methode nooit gokt wat ontbreekt, vermijdt het de valkuil van het creëren van valse patronen. Het gebruikt alleen de feiten die er daadwerkelijk zijn. Wanneer de onderzoekers deze methode testten tegenover de andere, produceerde het consequent de beste patiëntengroepen, ongeacht hoe de data ontbrak. De groepen die het creëerde, waren medisch zinvol. Zo scheidde het succesvol patiënten met respiratoire allergieën van patiënten met auto-immuunziekten, en identificeerde het een grote groep patiënten die gescreend waren op auto-immuunziekten maar negatief testten. Om te bewijzen dat deze groepen echt waren en niet slechts een artefact van de wiskunde, controleerden de onderzoekers ze tegen zeven onafhankelijke bloedmarkers die niet werden gebruikt om de groepen te creëren. Deze markers, zoals witte bloedcelconcentraties en ontstekingswaarden, varieerden aanzienlijk tussen de verschillende groepen, wat bevestigde dat de computer werkelijke biologische verschillen had gevonden.
De studie suggereert dat wanneer men te maken heeft met complexe medische dossiers waarbij ontbrekende informatie gebruikelijk en betekenisvol is, de veiligste en meest effectieve strategie is om te stoppen met het invullen van de gaten. In plaats daarvan zouden onderzoekers representaties moeten bouwen die de afwezigheid van data respecteren als een geldige vorm van informatie. De kennisgrafiek-methode bereikte dit door een ontbrekende test te behandelen als een ontbrekende verbinding, in plaats van een nul of een gemiddelde. Deze aanpak stelde de computer in staat om de ware vorm van de patiëntenpopulatie te zien zonder de vervorming die door gokken wordt veroorzaakt. Terwijl de traditionele methode van het imputeren van data en het vervolgens reduceren van de complexiteit herhaaldelijk faalde, bleef de grafiekgebaseerde methode stabiel en accuraat. De onderzoekers concluderen dat voor specialisten die werken met echte patiëntgegevens, waarbij de redenen voor ontbrekende informatie vaak onbekend zijn, het gebruik van een kennisgrafiek een robuustere manier is om patiëntsubgroepen te begrijpen. Deze methode helpt niet alleen bij het groeperen van patiënten voor betere zorg, maar creëert ook een heldere, feitelijke kaart van de data die door toekomstige tools kan worden gebruikt om specifieke medische vragen te beantwoorden, waardoor wordt gewaarborgd dat het begrip van de computer gebouwd is op wat bekend is, en niet op wat wordt gegokt.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.