可解释的糖尿病风险预测：基于SHAP和LIME的树状算法比较研究

《Scientific Reports》：Interpretable diabetes risk prediction: a comparative study of tree-based algorithms using SHAP and LIME

　　

摘要

全球糖尿病的负担持续增加，尤其是在低收入和中等收入国家。以往的研究探讨了利用机器学习算法来预测该疾病的风险，但针对拉丁美洲人群的相关证据仍然有限。本研究旨在利用厄瓜多尔的数据以及基于树的算法，包括梯度提升、极端梯度提升、轻量级梯度提升机和CatBoost，来预测糖尿病风险。数据集包含社会人口学变量、人体测量指标、饮食与运动习惯、临床指标以及糖尿病家族史等信息。其中，极端梯度提升在训练性能和测试性能之间取得了最佳平衡，其曲线下面积分别达到了0.99和0.96。此外，还应用了可解释人工智能技术，即SHAP和LIME，来评估各变量对预测结果的贡献程度。研究结果表明，较高的血糖水平、糖尿病家族史、腹围、年龄、内脏脂肪、缺乏运动、腰臀比以及肌肉质量指数都是影响糖尿病风险预测的关键因素。这些发现凸显了可解释机器学习模型在低收入和中等收入国家，包括厄瓜多尔，用于早期检测糖尿病的潜力。