Explainable machine learning-based prediction model for diabetic nephropathy

https://arxiv.org/abs/2309.16730

1. 本研究の学術的背景は、糖尿病性腎症（Diabetic Nephropathy, DN）に対する血清代謝物の影響およびDNの発症予測の問題です。研究の核心となる学術的「問い」は、「血清代謝物の影響を考慮に入れた機械学習手法によって、糖尿病性腎症の発症を予測するにはどうすればよいか」です。

2. 本研究の目的は、血清代謝物のデータを用いて糖尿病性腎症の発症を予測する機械学習モデルを開発・評価することです。学術的な独自性と創造性は、既存の機械学習アルゴリズム間での比較、特に eXtreme Gradient Boosting (XGB) を用いた最適な予測モデルの開発にあります。

3. 糖尿病性腎症が慢性腎臓病の最大の原因となっており、その予防のための新たなスクリーニングや治療方法が求められています。そのため、本研究はこれまでの伝統的な統計手法では解析が難しかった大量の特徴と高次元データセットを解析するための新規の予測モデルを提案するという観点から重要です。

4. 本研究では、LASSO回帰モデルを用いて38の最適な特徴を選定し、XGB, ランダムフォレスト、決定木、ロジスティック回帰の4種類の機械学習アルゴリズムを比較しました。その結果、XGBモデルが最も高いAUC値（0.966）を持ち、最も優れた性能を持つことを示しました。さらに、重要な特徴の影響力や相互作用効果を量化しました。

5.本研究の有効性は、AUC-ROC曲線、決定曲線、キャリブレーション曲線を用いた比較、およびShapley Additive exPlanations (SHAP) methodによる特徴の重要性と相互作用効果の量化によって検証されました。結果として、XGBモデルが最も優れた性能を持ち、他のモデルよりも臨床的なメリットが高く、適合度も良かったことが示されました。