编辑推荐：
为解决当前疾病研究聚焦窄、流程碎片化等问题，研究人员开展 UKB-MDRMF（Multi-Disease Risk and Multimorbidity Framework）研究。整合英国生物银行多模态数据构建框架，其预测精度高，能揭示疾病关联，为健康研究和临床应用提供新视角。
在生命科学和健康医学领域，随着生物医学队列数据如潮水般迅速积累，本应带来探索疾病机制、风险因素和预后标志物的黄金机遇，然而现实却不尽如人意。当下的研究常常局限于特定疾病或宽泛疾病类别，犹如管中窥豹，难以全面深入地探究风险因素以及疾病之间千丝万缕的联系。不仅如此，研究过程还存在碎片化的问题，缺乏统一的标准化框架来整合多任务，导致数据利用效率低下，资源大量浪费。此外，数据预处理和模型实施所需的时间与成本，也如同沉重的枷锁，阻碍着医疗保健专业人员深入开展全面的疾病分析。在这样的困境下，开展一项能够突破这些障碍的研究迫在眉睫。
来自美国北卡罗来纳大学教堂山分校、宾夕法尼亚大学、中国科学技术大学、阿里巴巴集团等机构的研究人员，肩负着攻克难题的使命，开启了他们的探索之旅。他们整合英国生物银行（UK Biobank）的丰富多模态数据，涵盖基本信息、生活方式、测量数据、环境因素、遗传学和影像学数据等多个方面，精心打造出 UKB-MDRMF 这一全面的多疾病风险与共病评估框架。研究结果显示，UKB-MDRMF 在预测和评估 1560 种疾病的健康风险方面表现卓越，其预测精度远超单一疾病模型，成功揭示了多种风险因素与疾病之间潜在的联系，为理解健康风险因素和共病机制提供了更为广阔的视角。该研究成果发表于《Nature Communications》，为该领域的发展注入了新的活力。
研究人员为开展此项研究，运用了多种关键技术方法。在数据处理阶段，针对复杂多样的数据，进行了细致的数据筛选和清洗，依据数据特点采用不同的编码技术，对缺失数据也进行了合理处理。同时，将多源数据整合，并划分训练、验证和测试集。在模型构建环节，运用多种机器学习算法和深度学习技术，如逻辑回归（Logistic Regression）、随机森林（Random Forest）、XGBoost、LightGBM、全连接神经网络（FCNN）等进行疾病预测，采用 Cox 比例风险模型（CoxPH）、DeepSurv 等进行风险评估，还利用 SHAP（SHapley Additive exPlanations）进行风险因素分析。此外，使用了 All of Us 数据集进行多中心验证。
下面让我们深入了解一下研究的具体成果：
- 框架构建流程：研究人员为英国生物银行数据量身定制了一套全面标准化的流程，构建 UKB-MDRMF 框架。首先是数据预处理，从 7228 种表型中筛选出 542 种构建预测变量，对数据进行清洗、编码和缺失值处理，将多种来源的疾病数据整合并转化为 1560 种 Phecodes 作为响应变量，最后进行时间对齐。之后进入模型构建阶段，分别开展疾病预测和风险评估，最终基于此框架进行多种应用分析。
- 模型性能评估：在疾病预测任务中，对比多种模型发现，添加测量数据后 FCNN 模型表现最佳，总体中位数 AUC（受试者工作特征曲线下面积）超 0.7。对于罕见病，CATI 和 FCNN 的 AUC 较高；常见病中，CATI、FCNN 和逻辑回归表现良好。联合预测所有疾病类别的 AUC 与单疾病预测相当。在风险评估方面，DeepSurv 模型表现出色，其 C-index（一致性指数）中位数在 0.7 左右或更高，联合预测的 C-index 值在所有疾病类型中均显著高于单疾病模型。而且，几乎所有疾病类型在逐步添加更多数据类别后，疾病预测和生存模型的性能都有所提升。
- 多疾病预测和风险评估基线：UKB-MDRMF 为多疾病预测和风险评估提供了可靠的基线。与其他方法相比，UKB-MDRMF 利用多种数据类型，在特定疾病的预测性能上更胜一筹。
- 重要风险因素分析：借助 SHAP 等可解释工具，研究人员发现不同数据类别中的变量对不同疾病的影响各异。例如，基本信息对妊娠、血管和生殖系统疾病预测作用较大；生活方式变量对妊娠和皮质神经疾病意义重大；测量变量影响生殖系统疾病；环境变量影响上呼吸道疾病等。同时，还明确了年龄、心理健康和肥胖相关变量是多种疾病风险的关键贡献因素。
- 共病和疾病风险趋势分析：通过挖掘 UKB-MDRMF 的潜力，研究人员分析了疾病共病和风险趋势。利用神经网络模型确定疾病间的相关性，发现多种疾病存在共病模式，如生殖系统疾病、精神疾病等各自聚类。并且，随着年龄增长，消化和循环系统疾病风险增加，生殖系统疾病风险则相对稳定。
- 多中心验证：利用 All of Us 数据集进行验证，重新训练 FCNN 和 DeepSurv 模型后发现，虽然引入新变量类别提升了预测准确性，但提升幅度较小。不过，联合建模仍能获得较高的预测 AUC 和生存 C-index 值，再次证明了 UKB-MDRMF 的稳健性和适用性。
综合来看，UKB-MDRMF 无疑是该领域的一项重大突破。它不仅实现了更高的预测准确性，还成功揭示了风险因素与疾病、疾病与疾病之间潜在的关联。其简洁易用的特性，使其能够广泛应用于各种研究和临床场景。通过深入分析数据缺失机制，该框架有效提升了模型性能，减少了数据偏差。同时，它还能综合评估多种风险评估模型，为不同医学背景的用户提供了选择合适模型的依据。然而，UKB-MDRMF 也并非十全十美，其主要基于英国生物银行数据，可能存在人群特异性偏差，且模型未考虑基线前疾病和竞争风险。未来，还需进一步提升其泛化能力，整合实时数据，更深入地刻画疾病间的相互作用，并加强多中心合作，从而充分发挥 UKB-MDRMF 在现实医疗环境中的临床价值，为人类健康事业贡献更大的力量。
