UKバイオバンクにおける疾患リスク予測を向上させるマルチモーダルデータ統合

科学分野:

• 計算生物学
• ゲノミクス
• 医療情報学

背景:

• 家族歴は、慢性疾患のリスクを評価するために重要です。
• 電子カルテ（EHR）と遺伝子データを統合することは、多様な患者要因を捉えることによって疾患リスク予測を強化することができます。
• 現在のモデルは、マルチモーダル患者データを包括的に統合することに苦労することがよくあります。

研究 の 目的:

• ALIGATEHR-Gen、すなわち疾患リスク予測を向上させるための新しいグラフアテンションネットワークを開発および評価すること。
• 遺伝子情報、電子カルテ、および医療オントロジーを含むマルチモーダル患者データを統合すること。
• 遺伝的に推測される関係および疾患オントロジー埋め込みを組み込むことによって、患者表現を強化すること。

主な方法:

• ALIGATEHR-Genは、グラフアテンションネットワークアーキテクチャを利用します。
• モデルは、遺伝子情報、診断コード、および人口統計などのマルチモーダル患者データを統合します。
• 外部医療オントロジー知識および遺伝的に推測される第一度関係が組み込まれています。
• モデルのパフォーマンスは、UKバイオバンクデータを使用して118の疾患で評価されます。

主要な成果:

• ALIGATEHR-Genは、疾患リスク予測において、最先端のベースラインモデルを平均で少なくとも6%上回ります。
• モデルは、臨床的および遺伝的特徴に基づいて、線維症および関連疾患の患者サブグループを効果的に区別します。
• 統一された患者表現は、予測精度を向上させます。

結論:

• ALIGATEHR-Genは、ヘルスケアにおける予測的および解釈可能なモデリングを進歩させる上で大きな可能性を示しています。
• 遺伝子および電子カルテ情報を含むマルチモーダルデータの統合は、疾患リスク予測を改善するための鍵となります。
• このアプローチは、より個別化され正確な患者リスク層別化への道を提供します。