概要: バイオマーカーのレベルで説明可能性を備えつつ、健康な基準状態から疾患がどのように変容するかを理解するための新しい方法を提案します。健常対照群と疾患状態におけるバイオマーカー共分散行列をモデル化することで、摂動を個別に特徴付けし、分子レベルおよび個々の患者に対して、疾患の軌跡を説明するためのメカニズム的説明を実現します。n人の患者からなり、p個のバイオマーカーをそれぞれ測定しているコホートが与えられるとき、バイオマーカーの「ハミルトニアン」H = X^T X / n
a
\in R^{p \times p} を定義します。ここで、X \in R^{n \times p} は共分散バイオマーカー行列です。Hの固有ベクトルは、バイオマーカーの協調の正常モードの集合を定義し、固有値は各モードによって運ばれるエネルギーを定量化します。健常状態では、参照ハミルトニアンH_0がこの構造を支配し、疾患は加法的作用素\Delta HによってH_0を摂動することで、病理学的な破綻の重症度に比例して、固有値をシフトさせ、固有ベクトルを回転させます。本研究ではこの枠組みを形式化し、疾患摂動が与えられたときのスペクトル変化を導出し、新たに診断された患者の累積バイオマーカー共分散構造を疾患弁別的な固有モードへ射影することが、疾患予後の精度を高めるための最適な予後統計量を構成することを示します。本研究は、がんから神経変性疾患まで幅広い疾患の枠組みに適用可能な、まさにホワイトペーパーとして機能します。
