[2Yin-A] Poster 3

[2Yin-A-46] Interpretable Stratification of Elderly Patients with Heart Failure: A Nonlinear Framework Using High-Dimensional Real-World Data

〇Shinnosuke Ishikawa¹, Michinari Hieda², Toru Maruyama³ (1. Kyushu University, Graduate School of Medical Sciences, 2. University of Occupational and Environmental Health, Japan, The Second Department of Internal Medicine, 3. Haradoi Hospital)

Keywords:

Real-World Data,Clustering,Explainable AI,Heart Failure,Unsupervised Learning

近年、医学研究では不均一な患者集団の層別化に教師なし学習によるクラスタリングが利用されているが、最適手法やクラスタ数 (k) の決定法は未確立である。本研究では、 (1) 内部検証指標、 (2) 安定性評価、 (3) コンセンサスクラスタリングの3つのパラダイムを統合した検証フレームワークを提案する。心不全患者 (N=779) に対し実装したところ、k-means (k=4) を中心に各指標が収束し、Silhouette係数が低値 (<0.1) であっても生存時間分析で有意差 (p<10^-16) を示す頑健な層別化が可能であった。多角的な複数のパラダイムを併用することで妥当なクラスタ数と手法を相補的に選べる可能性が示された。