機械学習アルゴリズムがRNAを用いて痛風発作を予測
研究概要
痛風患者の遺伝子発現プロファイルを用いた機械学習アルゴリズムが、将来の痛風発作を予測できることが示されました。
研究方法
研究者らは、フェブキソスタットとアロプリノールを比較したSTOP Gout試験に参加した痛風および高尿酸血症患者174人の臨床データと末梢血からのRNA発現を分析しました。これらのデータは、参加後48週目に収集されたものです。
チームは、その後の6ヶ月間における痛風発作を予測するパターンを探索しました。700〜1000個の遺伝子に対して6種類の異なるモデルをテストし、ランダムサンプルからのモデルトレーニングに関する問題を排除するために10分割交差検証を使用しました。
主要な結果
PyTorchニューラルネットワークが最高の性能を発揮し、曲線下面積（AUC）は65%でした。
PyTorchモデルは、発作の正しい予測を57回、発作なしの正しい予測を46回行いました。また、発作なしの誤った予測を34回、発作の誤った予測を37回行いました。
PyTorchは、最高の陽性予測値（65%）と最高の陰性予測値（60.8%）で他のモデルを上回りました。
一部のモデルは偽陽性または偽陰性に偏っていましたが、PyTorchは最もバランスの取れた結果を示しました。
研究の意義と今後の展望
ミシガン州立大学の計算バイオインフォマティクス研究の大学院助手であるHussain Aljafer博士は、「この研究は、トランスクリプトームデータが痛風発作を予測するのに十分な証拠を含んでおり、ニューラルネットワーク、つまり深層学習機械学習モデルがそのための最良の候補の1つであることを証明するものです。我々の知る限り、この研究は、痛風発作予測に『オミクス』を活用した機械学習を用いた最初の試みであり、RNAシーケンスからのトランスクリプトカウントが予測シグナルを運び、これは臨床予測モデルに価値を加えるものです」と述べました。
限界点
本研究のデータは単一の臨床試験から得られたものです。
モデルにはさらなる検証が必要です。
元記事：Machine Learning Algorithm Predicts Gout Flares Using RNA