導入
今日のデータ駆動型の世界では、データポイント自体と同様に、関係性も重要です。社会的なつながりをマッピングする場合でも、薬物とイベントの相互作用を調査する場合でも、これらの関係性を視覚化することで、表や集計統計だけでは埋もれていた洞察が明らかになることがあります。ネットワークプロットは、エンティティをノード、それらの関係性をエッジとして表現することで、相互に関連するデータを直感的に探索できる方法を提供します。ソーシャルメディアにおける中心的アクターの特定、金融詐欺の検出、物流ルートの最適化、さらにはタンパク質相互作用や疾患経路の調査にも活用できます。これらのアプリケーションに共通するのは、複雑な関係構造を、有用で明確な視覚的なナラティブへと簡素化する必要性です。
エッジには、頻度や相関、偏相関などの統計的関係に基づいて重み付けできます。また、レイアウトを多様に選択することで、様々な関係性を探索し、クラスターを特定し、従来のチャートやスプレッドシートでは隠れてしまう可能性のある、影響力のあるアクターやボトルネック関係を示唆する可能性のある要素を繋ぎ合わせることができます。
ネットワークプロットの一般的な原則と手法を紹介した後、有害事象（AE）の共起に関するファーマコビジランスのケーススタディを検証し、ネットワークプロットが医薬品の安全性シグナルをどのように明らかにするかを示します。最後に、JMPのネットワークプロットアドインが、対話型探索、データフィルタリング、そしてグループレベルの洞察をどのようにサポートするかを探ります。
ネットワークプロットアドイン
ネットワークプロットは、データを関係性としてモデル化します。各ノードは、人、製品、遺伝子、薬剤などのエンティティを表し、エッジは、2つのノード間の定義された相互作用、共起、または関係性を示します。エッジには重みを付けることができ、ペアワイズ頻度、重複期間、相関関係、条件付き依存関係など、いくつかの共通属性を反映できます。ノードのサイズや色は、周辺頻度やグループ特性などの属性をエンコードできます。
インタラクティブなネットワークプロットは、パターン検出と仮説生成を強化します。一般的なレイアウトには、構造パターンや比較概要を強調する固有ベクトル配置や円形配置などがあります。フィルター、エッジの束ね方、閾値設定により、煩雑さを軽減し、意味のあるつながりに注目を集中させることができます。
JMP 17以降のバージョンで利用可能なネットワークプロットアドインを開発しました。図1に示すように、ワークフローは、ユーザーが選択したデータセットから列を選択することから始まります。列には、被験者識別子、関心のある用語（イベントや薬剤用語など）、そしてオプションで、関心のある用語を相互に排他的なカテゴリーに整理するグループ化変数が含まれます。
ダイアログインターフェースでは、プロットの外観をカスタマイズできます。同じ対象内で共起するノードのペア間にはエッジが描画されます。ノードとエッジのサイズは（デフォルトでは）イベントの頻度とイベントの共起度を反映します。色のオプションでは、頻度や相関係数、偏相関係数などの統計的関連性に基づいてエッジの色分けが可能で、2つのイベント間のつながりの強さを強調できます。
Figure 1. Dialog window displayed upon launching the add-inFigure 1. Dialog window displayed upon launching the add-in図1. アドインを起動したときに表示されるダイアログウィンドウ
アドインは、2 つの主なレイアウト オプションを使用してネットワークを構築します。各関心対象の一意の用語はノードとして表されます。
- 図2に示すように、デフォルトの円形レイアウトでは、すべてのノードが円の周囲に配置され、すべての接続がより見やすくなり、ネットワーク接続の概要が把握しやすくなります。ただし、これは動的なレイアウトであるため、フィルタリング中にノードの位置が自動的に再計算され、並べ替えられるため、最大限の視認性が得られます。
- あるいは、固有ベクトル ベースのレイアウトでは、図 3 に示すように、共起偏相関または相関 (偏相関がフル ランクでない場合) マトリックスの最初の 2 つの固有ベクトルに従ってノードを配置します。このアプローチでは、同様の重複パターンを持つノードがクラスター化されるため、データ内の自然なグループ化またはモジュールを見つけやすくなります。
プロットは完全にインタラクティブです。ユーザーは左側のパネルにあるデータフィルターのオプションを使用して、基となるデータを動的にフィルタリングできます。これにより、ネットワークを瞬時に更新し、特定のサブグループ、頻度、または相関範囲に焦点を当てることができます。プロット内のノードまたはエッジを選択すると、JMPデータテーブル内の対応するレコードがハイライト表示され、詳細なレビューのための迅速なドリルダウンが容易になります。
Figure 2. Interactive Data Filter of Network Plot add-inFigure 2. Interactive Data Filter of Network Plot add-in図2. ネットワークプロットアドインのインタラクティブデータフィルター
Figure 3. Layout options of Network Plot add-inFigure 3. Layout options of Network Plot add-in図3. ネットワークプロットアドインのレイアウトオプション
ケーススタディ：重複した投薬と有害事象
ネットワーク プロットの実際的な影響を示すために、対話型のネットワーク プロット アドインを使用して、筋骨格系の有害事象 (AE) のデータセットにこれを適用しました。ネットワーク内の各ノードは、関節痛、関節の腫れ、筋骨格系の痛みなど、個別の AE を表します。エッジは、これらのイベントが患者記録で少なくとも 1 回共起したインスタンスを示します。これは、このデータ内のすべてのイベントに当てはまります。ノードのサイズは各イベントの出現頻度を反映し、エッジの太さと色はイベントのペア間の共起の頻度または統計的強度をエンコードします。アナリストは、しきい値未満のエッジをフィルター処理し、グループ化フィルターを適用して、特定のサブポピュレーションを即座に調査できます。ネットワーク プロットは、離散集合の交差を列挙するアップセット プロット ( 投稿で説明) などの他のアプローチを補完することもできます。
調査結果
両方のネットワークレイアウト（固有ベクトルベースと円形）において、いくつかのパターンが浮かび上がります。関節痛は中央のハブノードとして際立っており、大きなノードサイズと、他のいくつかのAE（特に関節の腫れと四肢の痛み）と接続する太いエッジの両方で特徴付けられます。これらの接続の顕著さは、関節痛を経験する患者は関節の腫れや四肢の痛みも訴えることが多く、関連症状が密接に結びついていることを示唆しています。この視覚的な三要素は、臨床的に妥当な関連性を反映しているだけでなく、関節のモニタリングやさらなる研究によって改善が期待できる潜在的な症候群のグループ分けも示しています。
右側の色の凡例とエッジの太さの違いは、どのAEペアが最も頻繁に同時に観察されるかを示しています。例えば、 「関節痛」と「関節の腫れ」の間の太い濃い青の線は、共起頻度が高いことを示しています。一方、 「乾癬性関節症」と他のノードを繋ぐ線のような、薄くて薄い線は、重複が弱い、または頻度が低いことを示しています。
グループ別に色分けされたノードはイベントをさらに細分化し、視覚的に素早くサブグループ分けを可能にします。例えば、カテゴリー1（青）とカテゴリー3（緑）のノードは密集する傾向があり、これは臨床サブタイプに対応している可能性があります。左側のパネルにあるインタラクティブなフィルターを使用すると、特定のイベントカテゴリー、頻度、または相関レベルに瞬時に焦点を絞ることができます。例えば、低頻度のエッジを除外することで、解釈可能性を損なうことなくコアパターンを明確にすることができます。この機能は、まれではあるものの重篤なイベントの組み合わせを特定したり、最もリスクの高い患者サブグループに焦点を当てたりするなど、ターゲットを絞った分析をサポートします。
円グラフと固有ベクトルグラフのレイアウトを切り替えることでノードの位置が変わり、分析の課題に応じて構造的関係性がより明確になったり、より曖昧になったりします。固有ベクトルグラフのレイアウトでは、密接に関連する症状が近接して表示されるため、統計的な「近さ」が強調され、静的な表形式のサマリーでは見逃されがちなグループ分けが明らかになります。インタラクティブなデータフィルターを使用すると、分析者はプロットを特定の頻度以上のAEに限定したり、相関の高いエッジのみを表示したりすることでノイズを除去し、臨床的に意味のあるパターンに明確に焦点を当てることができます。
このようなネットワーク プロットは、現実世界のいくつかの医薬品安全性監視および研究の目的をサポートします。
- クラスターの検出:頻繁に一緒に現れる症状のグループを明らかにすることにより、プロットは症候群または薬剤特有の副作用プロファイルを識別するのに役立ちます。
- リソースの割り当て:高頻度または中心的なイベントを強調表示することにより、プロットは臨床診療でどの症状を積極的に監視すべきかを決定するのに役立ちます。
- コミュニケーションの改善:視覚化を追加することで、データ アナリスト、臨床医、意思決定者の間にコミュニケーションの架け橋が築かれ、複雑な共起データを一目で理解できるようになります。
アップセットプロットは、特定の薬剤と有害事象の組み合わせに曝露された患者数を定量化する上で有用ですが、多くのイベント間のつながりの強さや構造を一度に伝える能力に欠けています。対照的に、ネットワークプロットは、データを包括的かつ柔軟に表示します。ネットワークプロットは、どのイベントが密接に関連しているか、どのイベントが独立しているか、そしてクラスターがどのようにつながっているかを示し、調査のニーズに合わせてカスタマイズできる視覚的なヒントを提供します。アップセットプロットとネットワークプロットを併用することで、薬剤とイベントの関係を列挙および探索するための包括的なツールキットが提供されます。
結論と次のステップ
ネットワークプロットアドインは、薬剤と有害事象の共起を視覚化するための動的で解釈しやすいプラットフォームを提供し、他の方法では識別が困難な複雑なパターンを明らかにします。データの複雑性が増すにつれて、タイムリーかつ正確な安全性評価のためには、このような視覚化ツールがますます重要になります。このJMPアドインは、インタラクティブなワークフローでこれらの結果を実現します。今後は、被験者レベルの共変量（年齢や投与量など）との統合、共起の時間的側面のサポート、レイアウトオプションの拡張、自動クラスター検出やリスク定量化のための分析モジュールの拡張などが計画されています。最終的には、ネットワーク可視化を標準的な安全性シグナル検出ワークフローに組み込むことで、アナリストと臨床医の両方が、より迅速かつ明確に生データから洞察を得られるようになります。
？？
Column( pairsum, "N" ) << Set Name( "d" );
