基于LIME与SHAP的可解释机器学习预测抗逆转录病毒治疗失访：随机森林与XGBoost的性能及解释性研究

《Discover Public Health》：Interpreting antiretroviral therapy loss to follow-up predictive models using LIME and SHAP

　　

背景：在接受抗逆转录病毒治疗（ART）的人群中，失访（LTFU）仍是持续HIV治疗和照护保留的挑战。利用机器学习（ML）技术早期识别LTFU风险增加的患者，可支持及时、靶向的保留干预。本研究评估随机森林（RF）和极端梯度提升（XGBoost）模型预测接受ART患者LTFU的预测性能与可解释性。本研究实施并评估使用局部可解释模型无关解释（LIME）和Shapley加性解释（SHAP）的RF与XGBoost预测接受ART患者LTFU的预测性能和可解释性。方法：研究使用津巴布韦卫生与儿童保健部（MoHCC）电子患者监测系统（EPMS）2023年5月至2024年4月的数据。分析包含1,182例ART患者的数据集，其中294例（24.87%）发生LTFU，888例（75.13%）保留在照护中。SMOTENC（用于名义和连续特征的合成少数类过采样技术）应用于训练折以处理类别不平衡，同时避免对验证数据重采样。模型性能采用重复分层五折交叉验证（10次重复）评估，产生50个验证估计。性能通过准确率、精确率、召回率、F1分数、平衡准确率、Matthews相关系数（MCC）、Cohen’s kappa、ROC AUC和PR AUC评估。折外预测额外评估校准和阈值依赖性能。SHAP用于评估全局特征贡献，LIME用于解释代表性个体预测。结果：RF和XGBoost模型显示高预测性能。RF平均准确率为0.9751±0.0093，召回率为0.9810±0.0170，F1分数为0.9517±0.0175，ROC AUC为0.9844±0.0095。XGBoost相应值为0.9726±0.0091、0.9677±0.0239、0.9462±0.0176、0.9855±0.0081。XGBoost精确率、ROC AUC和PR AUC略高，而RF在若干阈值依赖指标上表现更高。RF–XGBoost的ROC AUC配对差异为?0.0011（95% CI：?0.0026至0.0006），表明观察差异与无差异相容。Brier评分RF为0.0221，XGBoost为0.0233。SHAP分析显示模型间高度一致，当前病毒抑制、12个月病毒抑制和CD4类别是最有影响的预测因素之一。LIME显示这些变量如何贡献于个体预测，而假阳性和假阴性病例显示高置信预测仍可能错误。结论：RF和XGBoost在预测接受ART患者LTFU方面均显示高内部预测性能，判别能力大致可比。研究结果表明可解释ML技术有潜力支持靶向ART保留策略。

研究背景：HIV/AIDS仍是重大公共卫生挑战。尽管ART、治疗作为预防和UNAIDS 95-95-95目标推进，ART保留和LTFU仍威胁HIV治疗长期成功。LTFU受复杂且相互关联的生物心理社会因素影响，早期识别风险患者对及时干预和支持至关重要。现有ML预测研究多关注性能，缺乏可解释AI，模型不透明、可解释性和可信度不足限制临床采用。因此，研究人员应用LIME和SHAP预测LTFU，以提升HIV照护中模型透明度和实用性。研究人员开展的研究与主要结论及意义：研究利用津巴布韦MoHCC的EPMS去标识数据，覆盖2023年5月至2024年4月，分析1,182例ART患者，其中294例（24.87%）LTFU、888例（75.13%）保留；在训练折内使用SMOTENC处理类别不平衡，采用重复分层五折交叉验证10次重复共50个验证估计，评估准确率、精确率、召回率、F1分数、平衡准确率、MCC、Cohen’s kappa、ROC AUC、PR AUC，并进行折外预测校准和阈值分析；用SHAP评估全局特征贡献，用LIME解释代表性个体预测。结论显示RF和XGBoost均具高内部预测性能，判别能力大致可比；RF在召回率、F1分数、平衡准确率、MCC和Cohen’s kappa等阈值依赖指标上较高，XGBoost精确率、ROC AUC和PR AUC略高，ROC AUC和PR AUC配对差异与无差异相容。SHAP显示当前病毒抑制、12个月病毒抑制和CD4类别为最重要预测因素，LIME显示这些变量对个体预测的贡献，假阳性和假阴性病例说明高置信预测仍可能错误。意义在于可解释ML可为靶向ART保留策略提供信息，但结果应解释为预测关联而非因果。关键技术方法（≤250字）：数据来源于津巴布韦MoHCC的EPMS，2023年5月至2024年4月，样本为1,182例ART患者。研究人员采用RF和XGBoost，在交叉验证训练折内进行缺失值插补、分类变量编码和SMOTENC重采样，验证折不重采样；采用重复分层五折交叉验证（10次重复，50个验证估计），计算准确率、精确率、召回率、F1分数、平衡准确率、MCC、Cohen’s kappa、ROC AUC、PR AUC，并评估折外预测的校准和阈值依赖性能；使用SHAP进行全局和交互解释，使用LIME对代表性个体预测进行局部解释。研究结果：4.1 模型性能：通过重复分层五折交叉验证和训练折内SMOTENC，RF和XGBoost均显示高预测性能；RF平均准确率0.9751±0.0093、召回率0.9810±0.0170、F1分数0.9517±0.0175、ROC AUC 0.9844±0.0095，XGBoost相应为0.9726±0.0091、0.9677±0.0239、0.9462±0.0176、0.9855±0.0081；XGBoost精确率、ROC AUC和PR AUC略高，RF在若干阈值依赖指标上更高。4.2 配对比较：通过同一验证折内RF减XGBoost的配对比较和bootstrap置信区间，RF召回率高出0.0133（95% CI：0.0089–0.0181），F1分数、平衡准确率、MCC和Cohen’s kappa也较高，精确率略低；ROC AUC差异?0.0011（95% CI：?0.0026至0.0006）、PR AUC差异?0.0028（95% CI：?0.0073至0.0016），与无差异相容。4.3 校准与阈值分析：通过重复折外概率评估，RF和XGBoost的Brier评分分别为0.0221和0.0233；阈值0.50时RF敏感度0.9796、特异度0.9730，XGBoost敏感度0.9728、特异度0.9730；阈值变化影响敏感度和特异度，阈值0.90时两模型敏感度降至0.8707、特异度升至0.9820。4.4 可解释人工智能分析：通过SHAP全局分析，两模型最重要预测因素高度一致但幅度和排序不同；RF中12个月病毒抑制、当前病毒抑制和CD4类别居前，XGBoost中当前病毒抑制、12个月病毒抑制、方案、CD4类别等居前；SHAP交互分析显示人口学、临床、治疗和卫生服务利用变量间存在模型层面交互结构。4.5 LIME局部解释：通过对XGBoost代表性真阳性、真阴性、假阳性和假阴性病例进行LIME解释，显示未达到当前和12个月病毒抑制、TDF+3TC+EFV方案、CD4≤200 cells/mm³、无不良效应等可正向贡献LTFU预测，而达到当前和12个月病毒抑制等可负向贡献；假阳性和假阴性病例说明病毒抑制相关特征并非与每个观察的LTFU结局完全对应，模型使用多预测因素而非仅依赖病毒抑制。讨论部分总结：研究纳入1,182例ART患者，294例（24.87%）LTFU；RF和XGBoost在重复分层五折交叉验证中均显示高内部预测性能，RF在召回率、F1分数、平衡准确率、MCC和Cohen’s kappa等阈值依赖指标上较高，XGBoost精确率、ROC AUC和PR AUC略高，ROC AUC和PR AUC配对差异与无差异相容，提示算法选择应结合模型预期用途和最相关性能指标。SHAP显示当前病毒抑制和12个月病毒抑制在两模型中均为最重要预测因素，CD4类别也持续居前，模型间一致性增强了对这些变量预测信息的观察；病毒抑制在ART监测中具有临床合理性。讨论提出对CD4≤200 cells/mm³患者实施靶向外展和干预，包括加强咨询、照护支持、连续监测教育、主动随访或家访、依从性咨询、同伴支持等；同时强调SHAP值反映模型依赖而非因果。政策与实践上，研究提示可将预测分析整合进差异化ART保留策略，由医务人员结合临床记录和情境信息审查风险预测，用于加强预约提醒、依从支持、咨询、电话随访等，但模型不应自动拒绝服务、给患者贴标签或在无临床和项目审查下决策，LIME结果说明人工监督重要。局限性包括单省数据、变量受系统限制、LTFU类别不平衡、SHAP和LIME解释仅限模型行为而非因果、阈值分析非临床最优阈值。未来需外部和时间验证、前瞻性评估模型风险预测能否改善保留干预和减少LTFU，纳入更多患者层面、行为和卫生系统变量，并在独立人群中评估校准及决策曲线或临床效用。研究结论（译）：本研究显示机器学习和可解释人工智能（XAI）有潜力支持识别接受ART期间LTFU风险患者。在重复分层交叉验证下，RF和XGBoost均达到高内部预测性能；RF在召回率、F1分数、平衡准确率、MCC和Cohen’s kappa等若干阈值依赖指标上平均性能较高，XGBoost显示略高的ROC AUC和PR AUC。XAI分析为模型预测背后的因素提供了额外洞察。在两个模型中，当前病毒抑制和此前12个月病毒抑制均为最有影响的预测因素之一。LIME局部解释进一步显示这些变量如何贡献于个体预测，并展示正确和错误分类的观察。这些发现提示可解释预测模型可为识别需要更密切监测和靶向保留支持的患者提供有用信息。然而，研究结果应解释为预测关联证据而非因果关系。尽管如此，本研究显示将机器学习与XAI结合可为ART LTFU风险分层提供潜在有用框架，同时提高个体预测透明度。未来研究应聚焦独立验证、前瞻性评估、校准、临床适当决策阈值，以及评估模型知情干预是否实际改善ART保留和患者结局。