通过一项基于社区的横断面研究，在印度农村地区使用可解释的机器学习方法对口腔潜在恶性病变（OPMDs）进行风险分类

《BMC Public Health》：Risk classification of oral potentially malignant disorders (OPMDs) using explainable machine learning through a community-based cross-sectional study in rural India

　　

摘要

背景

口腔癌是印度人口中一个主要的公共卫生问题。在农村地区，人们暴露于与烟草使用相关的高风险因素中，同时难以获得规范的筛查服务。尽管视觉口腔检查已被证明可以有效降低口腔癌的死亡率，但基于人群的筛查不仅资源消耗大，而且在初级卫生保健系统中也难以维持。通过风险分层方法可以更有效地实施筛查计划，从而识别出患有潜在恶性口腔疾病（OPMDs）的高风险人群。最近机器学习的发展为基于数据的违约预测提供了可能，尽管模型透明度及其在人群中的适用性仍存在一些问题。

方法

本研究是一项基于社区的调查，涵盖了卡纳塔克邦哈桑区100个农村地区的3,700名成年人。采用结构化访谈收集社会人口统计数据、烟草和酒精使用情况以及口腔卫生习惯，然后根据世界卫生组织的指导原则进行临床口腔检查。通过交叉验证方法开发并评估了包括支持向量机（SVR）、随机森林（RF）和极端梯度提升（XGBoost）在内的监督学习模型。使用SHapley Additive explanations（SHAP）来确定模型的可解释性，并通过无监督的K-means聚类进行人群层面的风险分层。

结果

表现最佳的XGBoost模型具有最高的预测准确性（接收者操作特征曲线下面积=0.91，准确率=85.7%）。年龄、烟草暴露和不良口腔健康状况也被发现是在各模型中最为一致的危险因素。聚类分析揭示了一个高风险子群体，该群体的潜在恶性口腔疾病（OPMDs）的相对风险负担显著更高，这一发现得到了回归分析的支持（比值比=3.46，95%置信区间：2.58–4.72）。

结论

基于机器学习的可预测风险预测因子可用于帮助进行人群分层，并制定有针对性的筛查计划，以在农村地区检测潜在恶性口腔疾病（OPMDs），从而更有效地利用初级卫生保健系统中的有限公共卫生资源。