解釈可能なリスク評価のためのスコア閾値の共同最適化

Abstract

医療におけるリスク評価ツールは一般に、点数ベースのスコアリングシステムを用いて患者を閾値により順序尺度のリスクカテゴリへ割り当てます。電子カルテ（EHR）データは、これらのツールをデータ駆動で最適化する機会を提供しますが、標準的な教師あり学習を妨げる2つの根本的課題があります。すなわち、(1)介入によって打ち切られた転帰（intervention-censored outcomes）により、極端なリスクカテゴリに対してのみラベルが利用可能であること、(2)誤分類コストが非対称であり、順序距離に応じて増大することです。私たちは、これらの課題に直面した状況で、スコアリングの重みとカテゴリの閾値を同時に最適化する混合整数計画法（MIP）フレームワークを提案します。本手法は、閾値制約によってラベルが乏しいカテゴリの崩壊を防ぎ、非対称で距離を考慮した目的関数を用います。MIPフレームワークは、符号制約、スパース性、既存（incumbent）ツールに対する最小限の変更といったガバナンス制約をサポートし、臨床ワークフローへの実運用可能性を担保します。さらに、MIP問題の連続緩和を発展させ、より効率的なMIP最適化のためのウォームスタート解を提供します。提案するスコア最適化フレームワークを、ジョンズ・ホプキンスの転倒リスク評価ツール（Johns Hopkins Fall Risk Assessment Tool）を用いた入院患者の転倒リスク評価のケーススタディに適用します。