Apprentissage automatique interprétable multimodèle pour la prédiction de l’ostéoporose dans le diabète à l’aide d’une grande base de données électronique de soins intensifs

Résumé

Ce protocole décrit le développement et l’évaluation d’un modèle d’apprentissage automatique en arbre interprétable en ensemble, utilisant des données cliniques collectées de manière routinière pour prédire le risque d’ostéoporose chez les patients diabétiques.

Résumé

Le diabète sucré est associé à une fragilité squelettique accrue et à un risque accru de fracture ; cependant, l’identification précoce de l’ostéoporose (OP) chez les populations diabétiques reste difficile. Cette étude visait à développer et comparer plusieurs modèles d’apprentissage automatique (ML) pour prédire l’OP chez des patients diabétiques, tout en évaluant leur utilité clinique et en renforçant la transparence des modèles à l’aide des explications additives SHAPLEY (SHAP). En utilisant des données démographiques et de laboratoire collectées régulièrement à partir de la base de données MIMIC-IV, plusieurs algorithmes d’apprentissage automatique, incluant des ensembles d’arbres, le gradient boosting et des bases de base linéaires, ont été entraînés et validés. La performance du modèle a été évaluée de manière exhaustive à l’aide de métriques de discrimination, incluant la zone sous la courbe caractéristique de fonctionnement du récepteur (AUC) et l’analyse précision–rappel, ainsi que des courbes d’étalonnage de probabilité et l’analyse de la courbe de décision (DCA) afin d’évaluer le bénéfice clinique net. Le modèle le plus performant a été interprété en outre à l’aide de SHAP pour quantifier et visualiser les contributions des caractéristiques à la fois au niveau global et individuel. Parmi tous les modèles évalués, les méthodes basées sur un arbre d’ensemble ont montré une amélioration des performances. Le classificateur ExtraTrees a obtenu la performance de validation la plus élevée (AUC = 0,862 ; précision moyenne = 0,866). De plus, le modèle sélectionné a montré une excellente calibration de probabilité (score Brier = 0,154) et a démontré un bénéfice clinique net substantiel sur une large gamme de seuils de risque dans le DCA. L’analyse SHAP a identifié le genre et l’âge comme les prédicteurs les plus influents, suivis d’indicateurs hématologiques et métaboliques de laboratoire de routine. Les explications locales ont fourni des perspectives cliniquement interprétables sur les prédictions individuelles. Un modèle interprétable basé sur un arbre d’ensemble prédit efficacement le risque OP chez les patients diabétiques en utilisant des variables cliniques disponibles de manière routinière. L’intégration du SHAP améliore la transparence clinique, et une calibration solide, associée à un bénéfice clinique net positif, soutient sa mise en œuvre potentielle comme outil fiable d’aide à la décision pour la stratification précoce du risque OP chez les populations diabétiques.

Introduction

Le diabète sucré et l’ostéoporose (OP) sont des affections chroniques très répandues qui coexistent de plus en plus, créant un fardeau important à cause de fractures de fragilité, d’invalidité et de coûts de santé. Chez les patients atteints de diabète de type 2 (DT2), le risque de fracture est paradoxalement élevé même lorsque la densité minérale osseuse (DMO) de la zone aréale mesurée par absorption-rayons X à double énergie (DXA) est préservée ou supérieure aux attentes, ce qui souligne que la « qualité » osseuse et les facteurs métaboliques systémiques contribuent de manière importante à la fragilité^{squelettique 1,2}. Bien que la DXA soit la norme clinique pour diagnostiquer l’OP, son accessibilité et son adoption restent limitées dans de nombreux contextes, et l’évaluation basée sur la DXA peut sous-estimer le risque squelettique lié au diabète. Au niveau de la population, les preuves méta-analytiques suggèrent que l’OP est courant chez les personnes diabétiques, bien que les estimations de prévalence varient selon les cohortes et les contextes^{cliniques 3}. Il existe donc un besoin clinique crucial et une forte motivation à développer des outils pragmatiques et évolutifs de prédiction des risques qui exploitent les données cliniques collectées régulièrement pour identifier plus tôt les patients à haut risque, orientant ainsi le dépistage ciblé et les stratégies de prévention individualisées.

Ces dernières années, les méthodes d’apprentissage automatique (ML) ont été de plus en plus utilisées pour modéliser des relations complexes et non linéaires dans les données cliniques et pour construire des prédicteurs de risque OP chez les patients diabétiques. Des études antérieures ont démontré une discrimination prometteuse à l’aide d’algorithmes tels que le gradient boosting, les machines à vecteurs de support, les réseaux de neurones et les outils de type nomogramme. Plus précisément, les avancées récentes ont exploré des stratégies de modélisation innovantes, telles que la fusion de l’apprentissage automatique et de la logique floue, pour prédire les risques liés à l’OP et au diabète sur la base de facteurs ^{modifiables 4,5,6}. Cependant, une lacune significative subsiste : de nombreux modèles existants ont été développés dans des sous-groupes restreints (par exemple, exclusivement des femmes postménopausées ou des patientes âgées de type 2) et évalués dans un ensemble restreint d’algorithmes candidats, laissant une incertitude quant aux choix de modélisation optimaux pour des populations diabétiques plus larges et des données hétérogènes de dossiers médicaux électroniques (DME). De plus, un obstacle crucial à l’adoption clinique de ces modèles d’apprentissage automatique performants est leur nature « boîte noire », qui limite la confiance des cliniciens et entrave la traduction en soutien décisionnel exploitable. Les explications additives SHapley (SHAP) fournissent une solution en fournissant des explications au niveau du cas, attribuant chaque prédiction à des caractéristiques individuelles à l’aide des valeurs de Shapley, permettant ainsi aux cliniciens de vérifier si le raisonnement du modèle correspond à la plausibilité clinique.

Pour combler ces lacunes, nous avons développé et validé un cadre de prédiction du risque OP pour les patients diabétiques en utilisant la base de données des DSE de soins intensifs Medical Information Mart for Intensive Care IV (MIMIC-IV^{) 7}. La nouveauté de cette étude réside dans le benchmarking complet à travers plusieurs familles de modèles ML, combiné à une interprétabilité transparente basée sur SHAP au sein d’une cohorte diabétique large et cliniquement complexe. Contrairement aux études centrées sur un seul algorithme, notre approche de bout en bout sélectionne systématiquement le modèle le mieux performant sur la base d’une validation rigoureuse et fournit des explications transparentes au niveau du patient. Ce cadre vise à offrir à la fois une performance prédictive robuste et des analyses cliniquement exploitables, en soutenant une stratification plus précoce du risque pour la OP chez les patients diabétiques.

Protocole

Source des données et déclaration d’éthique
Cette étude rétrospective a utilisé les données du MIMIC-IV (version 3.1), une base de données publique des DSE en soins critiques désidentifiée hébergée sur PhysioNet. La base de données comprend des informations démographiques, des signes vitaux, des analyses de laboratoire, des diagnostics, des procédures et des médicaments.

L’accès à MIMIC-IV nécessite une autorisation accréditée et le respect de l’accord d’utilisation des données PhysioNet ainsi que des exigences de formation. Les enquêteurs ont suivi la formation requise et ont obtenu l’accès (numéro de certificat : 68351548). Comme la base de données est désidentifiée, cette étude a analysé des données anonymisées et n’a pas impliqué de contact direct avec les patients ; par conséquent, le consentement éclairé n’était pas requis. Le flux de travail complet de modélisation exécutable étape par étape est illustré à la Figure 1.

Figure 1. Flux de travail global de modélisation pour la prédiction du risque d’ostéoporose (OP) chez les patients diabétiques. Représentation schématique de la chaîne d’études, incluant l’identification des cohortes, l’extraction de données, l’ingénierie des caractéristiques, le benchmarking multi-modèles, la sélection de modèles basée sur la performance de validation, et l’interprétabilité du modèle final basée sur SHAP. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Étude de la population et extraction des données
Les données ont été extraites de la base de données Medical Information Mart for Intensive Care IV (MIMIC-IV) à l’aide d’un outil de gestion de base de données. Pour garantir la reproductibilité, les requêtes SQL exactes, y compris les noms des tables et la logique de filtrage utilisées pour la récupération des cohortes, sont fournies dans le Fichier Supplémentaire 1. Les patients adultes (≥18 ans) diagnostiqués avec un diabète sucré ont été identifiés à l’aide des codes CIM-9 (249, 250) et des codes CIM-10 (E08–E13). Le résultat principal, OP, a été défini à l’aide des codes CIM-9 (733.x) et des codes CIM-10 (M80, M81, M82). Au sein de la cohorte initiale éligible de diabétiques (n = 46 226), 3 672 événements positifs (patients avec OP) et 42 554 événements négatifs (patients sans OP) ont été identifiés. Un organigramme détaillé de sélection et d’attrition des patients est présenté à la Figure 2.

Figure 2. Organigramme de la sélection des patients et de la construction des cohortes. Le diagramme illustre la dérivation par étapes par cohorte à partir de la base de données MIMIC-IV (v3.1). Les patients adultes atteints de diabète sucré ont été identifiés à l’aide de codes CIM, suivis de l’exclusion des patients ayant atteint l’âge et la Lt ; 18 ans, données critiques manquantes gt ; 30 %, ou des dossiers invalides. La cohorte finale a été divisée en OP (événements positifs) et non-OP (événements négatifs). Le déséquilibre de classe a été corrigé par sous-échantillonnage aléatoire et SMOTE appliqué aux données d’entraînement avant la division stratifiée des ensembles de données. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Ingénierie des caractéristiques
Pour garantir un benchmarking équitable entre plusieurs algorithmes d’apprentissage automatique et une reproductibilité précise, une séquence identique d’étapes de prétraitement a été appliquée : sélection des caractéristiques, imputation des valeurs manquantes, mise à l’échelle continue des caractéristiques, équilibrage des classes et division des ensembles de données. La liste complète des caractéristiques d’entrée, incluant les noms des variables, les unités et les sources de données, est détaillée dans le Tableau 1.

Caractéristiques	Total (n = 14 688)	Ensemble d’entraînement (n = 9 546)	Ensemble de validation (n = 2 204)	Ensemble d’essai (n = 2 938)	Valeur p
Genre					0.345
Homme	6222 (42.36%)	4045 (42.37%)	935 (42.42%)	1242 (42.27%)
Féminin	8466 (57.64%)	5501 (57.63%)	1269 (57.58%)	1696 (57.73%)
Âge	0,28 (−0,40, 0,94)	0,28 (−0,43, 0,94)	0,23 (−0,46, 0,89)	0,28 (−0,39, 0,95)	0.1655
Globules rouges	−0,14 (−0,79, 0,49)	−0,13 (−0,79, 0,49)	−0,17 (−0,83, 0,48)	−0,14 (−0,76, 0,49)	0.3641
Hématocrite	−0,14 (−0,81, 0,52)	−0,13 (−0,80, 0,52)	−0,14 (−0,87, 0,51)	−0,16 (−0,81, 0,52)	0.3709
Hémoglobine	−0,12 (−0,79, 0,52)	−0,12 (−0,79, 0,51)	−0,15 (−0,86, 0,53)	−0,13 (−0,78, 0,52)	0.3616
RDW	−0,16 (−0,59, 0,45)	−0,17 (−0,59, 0,46)	−0,14 (−0,59, 0,45)	−0,17 (−0,60, 0,42)	0.5803
Phosphate	−0,14 (−0,60, 0,38)	−0,15 (−0,61, 0,38)	−0,11 (−0,57, 0,38)	−0,13 (−0,56, 0,34)	0.415
MCV	0,05 (−0,50, 0,63)	0,06 (−0,50, 0,65)	0,03 (−0,49, 0,65)	0,02 (−0,50, 0,59)	0.5408
Magnésium	−0,10 (−0,52, 0,37)	−0,10 (−0,52, 0,37)	−0,10 (−0,52, 0,37)	−0,09 (−0,50, 0,37)	0.7797
Globules blancs	−0,16 (−0,47, 0,21)	−0,16 (−0,47, 0,20)	−0,15 (−0,48, 0,25)	−0,16 (−0,46, 0,20)	0.6856
Trou d’Anion	−0,12 (−0,64, 0,45)	−0,13 (−0,64, 0,45)	−0,07 (−0,61, 0,48)	−0,13 (−0,64, 0,45)	0.1217
Créatinine	−0,30 (−0,48, 0,01)	−0,30 (−0,48, 0,01)	−0,30 (−0,46, 0,01)	−0,30 (−0,48, −0,00)	0.3323
MCH	0,11 (−0,48, 0,62)	0,12 (−0,48, 0,62)	0,11 (−0,47, 0,62)	0,09 (−0,48, 0,61)	0.5195
Nombre de plaquettes	−0,09 (−0,61, 0,49)	−0,09 (−0,61, 0,49)	−0,08 (−0,62, 0,47)	−0,10 (−0,62, 0,48)	0.9709
MCHC	−0,00 (−0,59, 0,59)	−0,00 (−0,60, 0,59)	−0,00 (−0,57, 0,58)	0,00 (−0,57, 0,60)	0.9263
Chlorure	0,05 (−0,54, 0,64)	0,05 (−0,52, 0,65)	0,03 (−0,59, 0,62)	0,07 (−0,52, 0,62)	0.4675
Potassium	−0,07 (−0,67, 0,53)	−0,09 (−0,67, 0,53)	−0,07 (−0,67, 0,53)	−0,07 (−0,62, 0,53)	0.3071
Sodium	0,05 (−0,56, 0,60)	0,05 (−0,55, 0,60)	−0,00 (−0,60, 0,60)	0,07 (−0,57, 0,61)	0.3492
Azote urée	−0,28 (−0,60, 0,29)	−0,28 (−0,60, 0,29)	−0,26 (−0,59, 0,31)	−0,28 (−0,59, 0,25)	0.6826
Total Calcium	0,02 (−0,61, 0,59)	0,02 (−0,61, 0,59)	−0,01 (−0,59, 0,56)	0,01 (−0,61, 0,60)	0.8203

Tableau 1. Caractéristiques de base et caractéristiques modifiées de la cohorte d’étude. Les variables catégorielles sont présentées comme n ( %). Les variables continues sont présentées comme une médiane (intervalle interquartile) des valeurs standardisées. Les valeurs P ont été calculées pour comparer les distributions entre les ensembles d’entraînement, de validation et de test à l’aide de tests statistiques appropriés.

Les variables continues avec mesures répétées ont été agrégées en utilisant la moyenne arithmétique sur toute la fenêtre d’observation en réanimation pour obtenir un seul vecteur caractéristique par patient. Les variables dont le taux de disparition dépasse 30 % ont été exclues. Pour les variables numériques restantes, les valeurs manquantes ont été imputées à l’aide de l’algorithme K-Nearest Neighbors (KNN) (n_neighbors = 5, poids = « uniforme »). Les variables catégorielles étaient imputées à l’aide de la catégorie la plus fréquente puis transformées par application binaire, les catégories non vues étant attribuées à un vecteur de zéros.

Les variables continues ont été standardisées à l’aide de la formule d’échelle z-score (). Les caractéristiques présentant une variance nulle ont été explicitement supprimées avant l’échelle. Tous les paramètres de prétraitement (μ et σ.) ont été estimés strictement sur l’ensemble d’entraînement et appliqués de manière cohérente aux ensembles de validation et de test.

Compte tenu du déséquilibre sévère des classes (3 672 contre 42 554), une stratégie d’équilibrage hybride a été appliquée exclusivement aux données d’entraînement afin d’éviter d’augmenter les estimations de performance. Premièrement, un sous-échantillonnage aléatoire a été utilisé pour réduire la classe majoritairement négative afin d’obtenir un ratio de 1:2 (positif :négatif) (donnant 7 344 échantillons négatifs). Ensuite, la technique de suréchantillonnage des minorités synthétiques (SMOTE) a été appliquée à la classe positive afin d’obtenir un ratio équilibré final de 1:1 (7 344 contre 7 344)⁸.

Enfin, la cohorte a été divisée au niveau du patient en formations (65 %), validations (15 %) et tests (20 %) utilisant des échantillonnages stratifiés. Pour contrôler strictement tous les processus aléatoires à travers l’imputation, l’équilibrage et la scission, une graine aléatoire globale (random_state = 42) a été appliquée.

Architecture du modèle
Pour identifier le modèle prédictif le plus adapté au risque OP chez les patients diabétiques, un cadre de benchmarking à grande échelle a été utilisé pour comparer 70 variantes d’algorithmes ML sous un protocole identique de représentation et d’évaluation des données. Les familles de modèles candidates comprenaient des classificateurs linéaires régularisés, des machines à vecteurs de support (SVM), kNN, des ensembles d’arbres, des architectures d’amplification de gradient, et des perceptrons multicouches 9,10,11,12,13,14,15,16,17.

Plutôt que d’utiliser une recherche traditionnelle en grille, l’optimisation des hyperparamètres a été réalisée en évaluant des configurations prédéfinies et robustes à travers ces 70 variantes de modèles sur la répartition de l’entraînement. La sélection était strictement basée sur la maximisation de la surface sous la courbe de caractéristique de fonctionnement du récepteur (ROC) (AUC) sur l’ensemble de validation. Le modèle final le plus performant a été configuré avec n_estimators = 200, les autres paramètres restant aux paramètres par défaut du logiciel listés dans le tableau des matériaux. Les indicateurs d’évaluation, incluant l’AUC, la précision, le score F1, la précision et le rappel, ont été calculés en utilisant un seuil de probabilité par défaut de 0,5.

Pour soutenir la transparence clinique, SHAP a été appliqué au modèle sélectionné en utilisant la méthode TreeExplainer. Étant donné la nature basée sur un arbre du modèle final, des valeurs attendues exactes dépendantes du chemin de l’arbre étaient utilisées comme configuration de fond.

Résultats

Comparaison des performances des modèles
Pour identifier l’approche prédictive optimale pour la OP chez les patients diabétiques, plusieurs modèles d’apprentissage automatique ont été systématiquement comparés. Un classificateur linéaire régularisé (régression logistique) a été inclus comme modèle de référence de contrôle. La comparaison globale des performances est résumée dans les figures 3 à 6. Dans tous les modèles évalués, les méthodes basées sur...

Discussion

Dans cette étude, plusieurs algorithmes d’apprentissage automatique ont été systématiquement comparés afin d’identifier un modèle prédictif optimal pour la OP chez les patients diabétiques. Les méthodes basées sur des arbres d’ensemble, en particulier le modèle ExtraTrees, ont montré une meilleure discrimination, une calibration des probabilités fiables et un bénéfice clinique net plus important comparé aux bases linéaires et à d’autres familles d’algorithmes. Ces résultats indiquent que...

Matériaux

Liste des matériaux utilisés dans cet article

Nom	Entreprise	Numéro de catalogue	Commentaires
CatBoost	Yandex	v1.2 (ou applicable)	Algorithme de gradient boosting optimisé pour les caractéristiques catégorielles
imbalanced-learn (SMOTE)	Scikit-learn Contrib	v0.11 (ou applicable)	Bibliothèque utilisée pour effectuer la technique de suréchantillonnage synthétique des minorités pour l'équilibrage des classes
LightGBM	Microsoft Corporation	v4.0 (ou applicable)	Cadre de gradient boosting basé sur les arbres de décision
Matplotlib	Matplotlib Development Team	v3.7 (ou applicable)	Bibliothèque de visualisation utilisée pour tracer des figures et des courbes de performance
MIMIC-IV Clinical Database	PhysioNet	v3.1	Jeu de données publiquement disponible de dossiers de santé électroniques de soins critiques utilisé comme source de données
Navicat Premium	PremiumSoft CyberTech Ltd.	v17.0	Outil de gestion de base de données utilisé pour l'extraction de données basée sur SQL
NumPy	NumPy Developers	v1.24 (ou applicable)	Bibliothèque de calcul numérique utilisée pour les opérations sur tableaux et le traitement des données
OpenPyXL	Eric Gazoni, Charlie Clark	v3.1 (ou applicable)	Bibliothèque utilisée pour lire et écrire des fichiers Excel
Pandas	Pandas Development Team	v2.0 (ou applicable)	Bibliothèque de manipulation et d'analyse de données pour les ensembles de données structurés
PostgreSQL	PostgreSQL Global Development Group	v14 (ou applicable)	Système de base de données relationnelle utilisé pour interroger et gérer les données MIMIC-IV
Python	Python Software Foundation	v3.8+ (ou applicable)	Langage de programmation utilisé pour le traitement des données, la modélisation et l'analyse
Scikit-learn	Scikit-learn Developers	v1.3 (ou applicable)	Bibliothèque d'apprentissage automatique utilisée pour le développement de modèles, le prétraitement et l'évaluation
SciPy	SciPy Developers	v1.10 (ou applicable)	Bibliothèque de calcul scientifique utilisée pour l'analyse statistique
Seaborn	Michael Waskom	v0.12 (ou applicable)	Bibliothèque de visualisation de données statistiques pour des résultats graphiques améliorés
SHAP (SHapley Additive exPlanations)	Scott Lundberg	v0.42 (ou applicable)	Cadre utilisé pour interpréter les prédictions du modèle à l'aide de valeurs d'attribution des caractéristiques
XGBoost	DMLC (Distributed Machine Learning Community)	v2.0 (ou applicable)	Algorithme de gradient boosting largement utilisé pour la modélisation de données structurées