基于SHAP的可解释机器学习模型在预测过敏性鼻炎儿童ADHD共病中的开发与验证

《Frontiers in Public Health》：Development and validation of an interpretable machine learning model for predicting ADHD comorbidity in children with allergic rhinitis: a SHAP-based analysis

　　

背景：过敏性鼻炎（AR）与注意缺陷/多动障碍（ADHD）的共病在儿科领域带来显著临床挑战，然而目前尚缺乏能够捕捉非线性神经-免疫交互作用的预测工具。方法：研究人员利用混合特征选择流程，在518例儿科AR患者（其中255例共病ADHD）队列基础上开发了一种可解释的极端梯度提升（XGBoost）模型。模型性能通过独立测试集进行验证，并采用SHapley Additive exPlanations（SHAP）解析全局与局部可解释性。结果：研究识别出一个由六个预测因子构成的精简子集。XGBoost模型展现出优于传统线性基线模型的判别能力（AUC = 0.878）。SHAP地形学分析揭示了深刻的非线性阈值，并发现一个关键的协同交互作用：升高的ADHD风险与同时呈现严重过敏性炎症（总IgE > 250 IU/mL）和营养缺乏（维生素D < 20 ng/mL）的患者密切相关。此外，决策曲线分析（DCA）表明该模型在分诊应用中具有显著的临床净获益。结论：研究人员建立了一个高度稳健且可解释的机器学习算法，能够准确对AR儿童的ADHD风险进行分层。所识别的神经-免疫协同表型为机制研究提供了重要见解，并为及时开展儿科多学科干预提供了实用的决策支持工具。

论文解读：基于SHAP的可解释机器学习模型在预测过敏性鼻炎儿童ADHD共病中的开发与验证

一、研究背景与现存问题

过敏性鼻炎（AR）是儿科最常见的慢性炎症性疾病之一，其持续性症状负担显著损害患儿健康相关生活质量。近年来，大量流行病学证据揭示了特应性疾病与神经发育易感性之间的密切关联，尤其是注意缺陷/多动障碍（ADHD）。在病情严重的AR患儿中，ADHD症状的不成比例高发已被一致观察到，其伴随的认知功能障碍（如注意力不集中、冲动性和睡眠紊乱）常使诊断确立困难且治疗反应不佳。然而，目前关于AR与ADHD共病的病理生理机制仍不明确。新范式认为全身性炎症可能通过外周过敏级联反应（以免疫球蛋白E（IgE）和促炎细胞因子升高为特征）扰乱血脑屏障，进而参与神经炎症过程。同时，血清维生素D缺乏和不规律睡眠等代谢与生活方式调节因素也被独立归因于免疫失调和多巴胺能功能障碍。因此，AR-ADHD共病本质上是多因素共同驱动的结果，源于免疫、营养和环境因素之间复杂的非线性交互作用。尽管如此，现有临床风险评估仍主要依赖于传统的多变量逻辑回归模型，这些模型受限于严格的结构假设，难以捕捉生理阈值、U型风险模式和高阶预测因子交互效应。因此，大量高风险儿童未能被及时识别，阻碍了多学科诊疗的及时提供。

二、研究内容与核心发现

为克服上述分析方法学缺陷，本研究旨在系统比较多种机器学习框架，开发并验证一个最优且高度可解释的ADHD风险预测模型，用于儿科AR队列。通过实施严格的混合特征选择流程，研究人员希望筛选出精简的核心临床预测因子子集；进而应用基于SHAP（SHapley Additive exPlanations）的地形学分析解码该共病背后的协同神经-免疫过程；最终将该算法知识转化为有效的分层临床分诊工具。研究最终建立了一个基于极端梯度提升（XGBoost）的预测模型，该模型在独立测试集上取得了0.878的AUC值，显著优于传统线性基线模型及非线性对照模型，并经由SHAP分析揭示了关键的非线性阈值和协同风险表型。

三、关键技术与方法

研究人员采用回顾性队列研究设计，纳入2018年1月至2025年1月期间在赣州市人民医院儿童保健科连续就诊的518例AR患儿，其中255例经儿童精神科医生依据DSM-5标准确诊为共病ADHD。研究严格排除了严重先天性异常、ADHD以外重大精神疾病、核心临床数据严重不全（缺失率>10%）以及合并活动性哮喘或严重特应性皮炎等不受控制过敏疾病的患者。在方法层面，研究采用三大并行特征选择技术——最小绝对收缩和选择算子（LASSO）回归（10折交叉验证优化）、Boruta算法（基于随机森林的特征选择框架）和随机森林的平均降低基尼系数排名——取三者交集构成共识特征子集。模型构建方面，涵盖了逻辑回归（LR）作为线性对照，以及随机森林（RF）、支持向量机（SVM）和XGBoost三种非线性算法。SHAP框架被应用于最优模型以解析全局和局部可解释性，并辅助决策曲线分析（DCA）评估临床适用性。

四、研究主要结果

（一）基线特征与多维临床表型探索
对518例患儿的基线数据分析显示，ADHD组患儿的总IgE水平较对照组显著升高（251.00 vs. 149.00 IU/mL, p<0.001），血清维生素D水平则显著降低（均值24.17 vs. 26.32 ng/mL, p<0.001）。此外，ADHD组还表现出更低的血清铁蛋白、更高的血铅水平、更短的睡眠时间、更长的屏幕暴露时间以及更高的特应性家族史比例（均p<0.05）。Pearson相关矩阵未发现极端多重共线性（绝对r值均小于0.20）。多维样本空间投影直观显示，以气泡大小代表的IgE升高水平高度集中于ADHD亚群中。

（二）稳健的预测建模特征选择
通过LASSO、Boruta和随机森林三种方法的交集，最终确定了六个共识核心特征：总IgE、维生素D、BMI、铁蛋白、睡眠时长和屏幕时间。递归特征消除（RFE）曲线证实，当特征子集达到六个时，交叉验证准确率达到峰值，继续增加变量并未带来显著的性能提升。

（三）预测模型的构建与比较评估
基于六个核心特征构建的四种预测算法中，XGBoost在独立测试集上展现出最优的判别性能，AUC达0.878，优于LR（AUC=0.713）、SVM（AUC=0.814）和RF（AUC=0.811）。采用约登指数确定的最优决策阈值为0.527，该阈值下模型实现了敏感度77.8%和特异度83.1%的平衡表现，总体准确度80.6%，F1分数0.789。Hosmer-Lemeshow拟合优度检验（p=0.315）确认模型预测概率与实际临床观察无显著偏差。

（四）SHAP全局可解释性与非线性机制解码
SHAP分析显示总IgE（平均|SHAP|=0.981）、BMI（0.854）和维生素D（0.601）是贡献最大的三个预测因子。依赖图分析揭示了总IgE的显著阈值效应——当IgE水平超过约250 IU/mL时，ADHD风险急剧上升后趋于平缓；维生素D的保护效应在浓度低于20 ng/mL时明显减弱。SHAP交互强度矩阵显示总IgE与维生素D之间存在最强的交互作用（交互强度=0.20），表明严重的过敏性炎症与营养不足可能协同加剧神经发育易感性。

（五）SHAP依赖性与联合风险地形学分析
深入的依赖图分析揭示了睡眠时长呈U型风险模式（过短和过长均增加模型输出），而低铁蛋白浓度与ADHD风险增加相关。联合风险地形图清晰地界定了位于右下象限的“风暴眼”，即严重IgE升高（>500 IU/mL）与极度维生素D缺乏（<20 ng/mL）并存时的最大联合风险区域。依据关键阈值（IgE>250 IU/mL且维生素D<20 ng/mL）将患者分为四个亚组后，“双重高风险”组的联合风险贡献呈指数级复合增长，与单一风险组和正常/低风险组均存在显著差异（p<0.001）。

（六）临床转化、个体化预测与风险分诊
决策曲线分析显示XGBoost模型在0.01至0.65的广泛阈值概率范围内提供了优于“全部治疗”或“不治疗”策略的净临床获益。森林图呈现的多因素逻辑回归结果支持SHAP发现：总IgE（OR=1.87）和屏幕时间（OR=1.51）为风险增强因子，维生素D（OR=0.61）和睡眠时长（OR=0.71）为保护因子。个体化SHAP瀑布图展示了一个高风险患儿（预测概率91.7%）和低风险患儿（预测概率4.3%）的截然不同的特征贡献路径。将测试队列分为低风险（<30%）、中风险（<60%）和高风险（>60%）三个层级后，实际ADHD患病率呈严格阶梯式上升（低风险组18.3%，高风险组73.4%，趋势p<0.001），验证了该模型用于门诊筛查的实用性。

五、讨论总结与研究结论

本研究发现免疫和营养指标是预测ADHD共病的主要因素，其中总IgE为核心风险促进因子并存在明确的阈值效应，而充足的血清维生素D呈现强保护作用。尤为重要的是，联合高IgE与低维生素D的双重高风险表型对共病风险具有协同放大效应，这与维生素D既作为神经保护因子又作为Th2介导过敏反应的重要免疫调节因子的分子机制相符。BMI在单变量分析中虽未显示组间差异，但机器学习算法将其识别为重要预测因子，这一看似矛盾的现象源于传统线性统计的局限——SHAP依赖分析揭示了BMI的U型风险特征，两端的极低和极高BMI均与神经发育共病易感性增加相关。XGBoost之所以被选为最终模型，不仅因其稳健的判别能力，更因其与TreeSHAP算法的高阶交互值计算能力实现了无缝整合，这正是揭示神经-免疫协同表型的关键。本研究存在若干局限：单中心回顾性设计限制外推性，缺乏纵向随访数据难以推断因果关系，未充分控制AR药物治疗方案的混杂效应，且对轻度至中度合并过敏性疾病的分层不足。未来需开展前瞻性多中心研究以验证模型的普适性，并探索针对免疫和营养参数的干预是否能够改变ADHD病程。

研究结论：本研究建立了一个能够识别过敏性鼻炎儿童ADHD共病潜在风险的XGBoost预测模型。通过将混合特征选择流程与SHAP分析相结合，研究人员定义了一个包含六个特征的有效临床画像，其中总IgE和维生素D被确定为神经发育脆弱性的主要协同因子。该模型展现出显著的判别能力，同时揭示了传统统计方法往往掩盖的关键非线性阈值。此外，将这些算法发现转化为临床风险分层模型，为儿科医生优先安排高易感患儿的多学科评估提供了实用工具。尽管这些发现为儿科神经-免疫交互提供了有价值的机制和临床见解，仍需通过多中心前瞻性研究确认该预测模型的泛化能力，并明确靶向这些免疫和营养参数的交叉干预是否可能改变ADHD病程。