緑内障の経過（トラジェクトリ）を層別化するためのディープカーネル学習

概要: 緑内障のような慢性疾患において患者リスクを効果的に層別化することは、主要な臨床課題です。臨床医は、疎で不規則にサンプリングされた電子健康記録（EHR）から、進行リスクが高い患者を特定するためのツールを必要としています。私たちは、ガウス過程（GP）バックエンドを活用する新しい深層カーネル学習（DKL）アーキテクチャを提案します。GPのカーネルは、臨床-BERT埋め込みに適用するトランスフォーマーベースの特徴抽出器によって定義され、多モーダルEHRデータから緑内障患者の軌跡（トラジェクトリ）をモデル化します。本手法は、臨床的に明確な3つの患者サブグループを首尾よく特定しました。重要なのは、このモデルが、現在の重症度から疾患の進行を切り離す（デカップリングする）ことを学習し、第二の、安定して不良な群よりも平均視力が良いにもかかわらず、悪化する軌跡を示す高リスク群を同定する点です。これは、このモデルが単に現在の疾患状態を見分けるのではなく、進行リスクを同定することを学習していることを示します。リスク軌跡の進行に基づいて患者を層別化できるこの能力は、臨床的な意思決定支援のための強力なツールとなり、高リスクの個人に対する的を絞った介入を可能にし、緑内障ケアの管理を改善します。