📊 statistics

Correcting heterogeneous diagnostic bias when developing clinical prediction models using causal hidden Markov models

Dieser Artikel schlägt ein kausales Hidden-Markov-Modell-Framework vor, um heterogene diagnostische Verzerrungen in klinischen Vorhersagemodellen durch die Schätzung kontrafaktischer Diagnosewahrscheinlichkeiten zu korrigieren, wodurch die Kalibrierung erheblich verbessert und systematische Fehler in unterdiagnostizierten Gruppen reduziert werden, wie in Simulationen und einer Fallstudie zu chronischer Nierenerkrankung demonstriert.

Ursprüngliche Autoren: Jose Benitez-Aurioles, Ricardo Silva, Brian McMillan, Matthew Sperrin

Veröffentlicht 2026-05-08

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Jose Benitez-Aurioles, Ricardo Silva, Brian McMillan, Matthew Sperrin

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Problem: Der „Scheinwerfer"-Effekt

Stellen Sie sich eine Arztpraxis als einen dunklen Raum vor, in dem Patienten herumlaufen. Manche tragen helle, reflektierende Jacken (Hochrisikogruppen, wie Menschen mit Diabetes), während andere dunkle, matte Kleidung tragen (niedrigeres Risiko oder weniger überwachte Gruppen).

In einer perfekten Welt würde ein Arzt jeden gleichermaßen beleuchten, um zu sehen, ob er krank ist. In der realen Welt neigt der Arzt jedoch dazu, den hellen Scheinwerfer nur auf die Menschen in den reflektierenden Jacken zu richten, weil sie so aussehen, als bräuchten sie Hilfe. Die Menschen in der dunklen Kleidung bleiben oft im Schatten.

Das Ergebnis: Der Arzt findet viele „kranke" Menschen im hellen Licht, übersieht aber viele „kranke" Menschen im Dunkeln. Wenn der Arzt dann versucht, ein Computerprogramm zu erstellen, das vorhersagt, wer in Zukunft krank werden wird, lernt das Programm eine falsche Lehre: „Menschen in dunkler Kleidung sind gesund." Es ist nicht so, dass sie gesund sind; es ist nur so, dass niemand sie genau genug angeschaut hat, um die Krankheit zu finden.

Das ist das, was das Papier als heterogene diagnostische Verzerrung bezeichnet. Sie tritt auf, wenn bestimmte Gruppen (basierend auf Geschlecht, Ethnie oder sozioökonomischem Status) seltener getestet werden, was zu „versteckten" Krankheitsfällen führt.

Die Lösung: Eine „Zeitreise"-Simulation

Die Autoren schlagen eine neue Methode vor, um dies zu beheben, die sie als Kausales Hidden-Markov-Modell (HMM) bezeichnen.

Stellen Sie sich die Gesundheit eines Patienten nicht als ein einzelnes Foto vor, sondern als einen Filmstreifen.

Der versteckte Teil: Der Film hat Szenen, in denen der Patient tatsächlich kranker wird (das „latente" Krankheitsstadium), aber die Kamera (der Arzt) läuft noch nicht. Diese Szenen können wir in den realen Daten nicht sehen.
Der sichtbare Teil: Wir sehen nur die Szenen, in denen die Kamera läuft (wenn ein Test durchgeführt wird).

Die Autoren haben eine mathematische „Zeitmaschine" (das HMM) gebaut, die die sichtbaren Szenen betrachtet und versucht zu erraten, was in den versteckten Szenen passiert ist. Sie fragt: „Wenn diese Person in dunkler Kleidung eine reflektierende Jacke getragen und genauso oft getestet worden wäre wie die Hochrisikogruppe, hätten wir ihre Krankheit früher gefunden?"

Wie die Methode funktioniert (Schritt für Schritt)

Den Film ansehen: Der Computer betrachtet die realen Daten (wer getestet wurde, wann und welches Ergebnis vorlag).
Die Lücken füllen: Mithilfe des HMM schätzt es den „versteckten" Film. Es geht davon aus, dass viele Menschen, die nicht getestet wurden, tatsächlich krank, aber undiagnostiziert waren, genau wie die Menschen im Schatten.
Das „Was-wäre-wenn"-Szenario: Der Computer führt dann eine Simulation durch. Er fragt: „Was wäre, wenn wir den Arzt gezwungen hätten, jeden gleichermaßen zu beleuchten, genau wie bei der Hochrisikogruppe?"
Das Drehbuch umschreiben: Basierend auf dieser Simulation erstellt der Computer eine neue, „faire" Version der Daten. In dieser neuen Version werden die Menschen, die zuvor übersehen wurden, nun als „diagnostiziert" markiert, weil die Simulation besagt, dass sie hätten gefunden werden müssen, wenn die Tests fair gewesen wären.
Das neue Modell trainieren: Schließlich trainieren sie ein neues Vorhersagemodell auf diesen „fairen" Daten. Dieses neue Modell lernt nicht die Verzerrung der realen Welt, sondern das wahre Risiko der Krankheit.

Die Ergebnisse: Den kaputten Kompass reparieren

Die Autoren testeten dies auf zwei Arten:

1. Die Simulation (Der Probelauf)
Sie schufen eine fiktive Welt mit 50.000 Patienten, in der sie genau wussten, wer krank und wer gesund war.

Der alte Weg: Ein Standardmodell betrachtete die Daten und dachte, die „unterversorgte" Gruppe sei viel gesünder, als sie wirklich war. Es war wie ein Kompass, der nach Norden zeigte, obwohl er nach Osten hätte zeigen sollen.
Der neue Weg: Ihre HMM-Methode korrigierte den Kompass. Sie erkannte, dass die unterversorgte Gruppe genauso krank war wie die anderen, nur weniger getestet wurde. Das Verhältnis „Beobachtet zu Erwartet" (ein Maß für die Genauigkeit) sank von einem chaotischen 1,34 (was bedeutete, dass das Modell völlig daneben lag) auf 1,02 (fast perfekt). Selbst als sie einige ihrer eigenen Regeln brachen (wie etwa unvollkommene Tests), funktionierte die neue Methode immer noch besser als die alte.

2. Der Realwelt-Test (Chronische Nierenerkrankung)
Sie wandten dies auf reale Daten aus Großbritannien (UK Biobank) bezüglich chronischer Nierenerkrankungen (CKD) an.

Die Entdeckung: Sie fanden heraus, dass das Vorliegen von Diabetes der größte Faktor für eine Testung war. Menschen mit Diabetes wurden zehnmal häufiger getestet als diejenigen ohne.
Die Verzerrung: Aus diesem Grund unterschätzten Standardmodelle das Risiko für Menschen ohne Diabetes. Sie dachten, diese Menschen seien sicher, aber das HMM zeigte, dass sie tatsächlich ein hohes Risiko hatten, nur vom System übersehen.
Die Korrektur: Als sie ihre neue Methode zur Risikovorhersage einsetzten, ignorierte das Modell die nicht-diabetische Gruppe nicht mehr. Die Genauigkeit für diese Gruppe sprang von einem verzerrten 1,55 (viel zu viele übersehene Fälle) auf ein perfektes 1,01.

Das Fazit

Das Papier argumentiert, dass wir „geschützte Attribute" (wie Rasse oder Geschlecht) nicht einfach ignorieren können, um Verzerrungen zu beheben. Manchmal sagen uns diese Attribute, wer getestet wird und wer übersehen wird.

Durch die Verwendung dieser „Zeitreise"-Simulation schufen die Autoren ein Modell, das echtes biologisches Risiko von systemischer Testverzerrung trennt. Es ist wie das Reinigen eines schmutzigen Fensters: Der Blick nach draußen (die wahre Gesundheit des Patienten) war immer da, aber der Schmutz (die Testverzerrung) ließ ihn verschwommen erscheinen. Ihre Methode wischt das Fenster sauber und gibt Ärzten ein viel klareres Bild davon, wer tatsächlich Hilfe benötigt.

Technische Zusammenfassung: Korrektur heterogener diagnostischer Verzerrungen mittels kausaler Hidden-Markov-Modelle

Problemstellung

Klinische Vorhersagemodelle, die auf routinemäßigen elektronischen Gesundheitsakten (EHR) entwickelt wurden, leiden häufig unter heterogener diagnostischer Verzerrung. In der Routineversorgung werden Personen, die als hochriskant identifiziert wurden (aufgrund klinischer Faktoren), oder die zu bestimmten demografischen Gruppen gehören (z. B. Geschlecht, ethnische Zugehörigkeit, sozioökonomischer Status), häufiger getestet als andere. Dies führt zu einer differenziellen diagnostischen Verzögerung, bei der bestimmte Gruppen unterdiagnostiziert werden oder später diagnostiziert werden, als es unter gleichen Testbedingungen der Fall wäre.

Folglich lernen Modelle, die auf solchen Daten trainiert wurden, die beobachtete Diagnosequote vorherzusagen, anstatt das wahre zugrunde liegende Erkrankungsrisiko. Dies führt zu einer systematischen Unterschätzung des Risikos für unterdiagnostizierte Gruppen, was Kalibrierungsfehler und potenzielle Ungerechtigkeiten bei klinischen Entscheidungen zur Folge hat. Standardansätze scheitern häufig daran, dies zu adressieren, da der „wahre" Krankheitsstatus für nicht diagnostizierte Personen nicht beobachtet wird und die Verzerrung durch das Zusammenspiel von Patientenmerkmalen und dem Testverhalten des Gesundheitssystems getrieben wird.

Methodik

Die Autoren schlagen ein Kausal-Inferenz-Rahmenwerk vor, das ein Hidden-Markov-Modell (HMM) nutzt, um diese Verzerrung zu korrigieren. Der Ansatz umfasst drei Hauptkomponenten:

1. Kausale Modellierung mittels gerichteter azyklischer Graphen (DAG)

Die Autoren definieren einen DAG, wobei:

$X_n$ : Basis-Kovariaten (Risikofaktoren).
$A_n$ : Beobachtbarkeitsmerkmale (z. B. Geschlecht, ethnische Zugehörigkeit, Komorbiditäten), die sowohl das Erkrankungsrisiko als auch die Wahrscheinlichkeit eines Tests beeinflussen.
$\tilde{A}_n$ : Die Präsentation von $A_n$ , die spezifisch die Testentscheidung bedingt auf das Krankheitsstadium beeinflusst.
$S_{n,t}$ : Latentes Krankheitsstadium (0: Keine Erkrankung, 1: Frühes Stadium, 2: Spätes Stadium).
$R_{n,t}$ : Testergebnisse (Negativ, Früh-Positiv, Spät-Positiv oder Kein Test).
$D_{n,t}$ : Diagnose (tritt ein, wenn ein Test positiv ist).

Das Ziel ist die Schätzung eines kontrafaktischen Schätzers: die Wahrscheinlichkeit einer Diagnose $P(D_{n,T}^{\tilde{A}_n=0} = 1 | X_n, A_n)$ , die das Risiko darstellt, wenn die Person dem Testrhythmus einer Referenzgruppe unterworfen wäre (typischerweise die Gruppe mit den kürzesten diagnostischen Verzögerungen), während sie ihre tatsächliche Krankheitsprogression und Risikofaktoren beibehält.

2. Formulierung des Hidden-Markov-Modells

Der longitudinale Krankheitsprozess wird als HMM modelliert mit:

Übergangskern ( $Q$ ): Definiert die Wahrscheinlichkeit des Übergangs zwischen Krankheitsstadien (0 $\to$ 1 $\to$ 2). Es wird eine progressive Erkrankung angenommen, bei der eine Regression unmöglich ist. Der Übergang von „Keine Erkrankung" zu „Frühes Stadium" wird durch eine Hazard-Funktion $h(X_n, A_n, t)$ gesteuert, während der Übergang von „Früh" zu „Spät" eine konstante Wahrscheinlichkeit $\beta_{S=1 \to 2}$ darstellt.
Emissionswahrscheinlichkeiten ( $\Gamma$ ): Definiert die Wahrscheinlichkeit, ein Testergebnis $R_{n,t}$ gegeben das latente Stadium $S_{n,t}$ und das Beobachtbarkeitsmerkmal $A_n$ zu beobachten. Entscheidend ist, dass Testraten für Erkrankungen im frühen Stadium ( $\beta_{S=1, A_n}^R$ ) je nach $A_n$ variieren dürfen, um die diagnostische Heterogenität zu erfassen. Testraten im späten Stadium werden aufgrund schwerer Symptome als unabhängig von $A_n$ angenommen.
Anfangszustand ( $\pi$ ): Die Wahrscheinlichkeitsverteilung des Krankheitsstadiums zum Zeitpunkt der Basislinie.

Die Modellparameter werden mittels Maximum-Likelihood-Schätzung unter Verwendung eines Vorwärtsalgorithmus und gradientenbasierter Optimierung (L-BFGS in PyTorch) geschätzt, wobei über die nicht beobachteten latenten Zustände marginalisiert wird.

3. Imputation kontrafaktischer Ergebnisse

Sobald das HMM angepasst ist, generiert die Methode einen kontrafaktischen Datensatz, um ein Standard-Vorhersagemodell zu trainieren:

Rekonstruktion: Das HMM schätzt die Wahrscheinlichkeit der latenten Krankheitsverläufe für jede Person gegeben deren beobachtete Testhistorie.
Intervention: Die Emissionswahrscheinlichkeiten werden so modifiziert, dass sie die Testrate der Referenzgruppe widerspiegeln ( $\tilde{A}_n = 0$ ).
Imputation: Kontrafaktische Diagnosewahrscheinlichkeiten ( $p_{n,T}^{cf}$ ) werden berechnet. Um eine Aufblähung der Inzidenz zu vermeiden, wenden die Autoren eine Monotonieannahme an: Wenn eine Person in der Realität diagnostiziert wurde ( $D=1$ ), bleibt sie im kontrafaktischen Szenario diagnostiziert ( $D^{cf}=1$ ). Nur nicht diagnostizierte Personen ( $D=0$ ) in der unterdiagnostizierten Gruppe werden basierend auf ihrer kontrafaktischen Wahrscheinlichkeit neu imputiert.
Neukalibrierung: Die kontrafaktischen Wahrscheinlichkeiten für neu imputierte Fälle werden skaliert, um sicherzustellen, dass die gesamte kontrafaktische Inzidenz mit der geschätzten kontrafaktischen Populationsinzidenz übereinstimmt.
Training: Ein Standard-Logistic-Regression-Modell wird auf diesem neu imputierten Datensatz trainiert, um das kontrafaktische Ergebnis vorherzusagen.

Hauptbeiträge

Kausales HMM-Rahmenwerk: Die Arbeit führt eine neuartige Anwendung kausaler HMMs ein, um differenzielle diagnostische Verzögerungen bei progressiven Erkrankungen explizit zu modellieren und zu korrigieren und geht damit über eine einfache Label-Korrektur hinaus.
Identifizierbarkeit und Robustheit: Durch Simulationen demonstrieren die Autoren, dass die HMM-Parameter identifizierbar sind und dass der Ansatz robust bleibt, selbst wenn Annahmen (wie perfekte Testsensitivität oder einheitliche Progressionsraten) verletzt werden.
Anwendung in der realen Welt: Die Methode wird auf einen groß angelegten UK-Biobank-Datensatz angewendet, um die 5-Jahres-Inzidenz einer chronischen Nierenerkrankung (CKD) vorherzusagen, und korrigiert erfolgreich Verzerrungen über mehrere Untergruppen hinweg.
Datenzentrierte Fairness: Der Ansatz stimmt mit „datenzentrierter" Fairness überein, indem er die Datenerfassungsmechanismen (Testverhalten), die Verzerrungen erzeugen, modelliert, anstatt lediglich geschützte Attribute aus dem Modell zu entfernen.

Ergebnisse

Simulationsstudien

In Simulationen mit 50.000 Patienten schnitt die vorgeschlagene Methode deutlich besser ab als Standard-„Naive"-Modelle (auf beobachteten Daten trainiert) und „Blind"-Modelle (ohne geschützte Attribute trainiert):

Kalibrierung: Das Verhältnis von Beobachtetem zu Erwartetem (O:E) für die unterdiagnostizierte Gruppe verbesserte sich von 1,34 (Naiv) auf 1,02 (Vorgeschlagen), was eine nahezu perfekte Kalibrierung anzeigt.
Robustheit: Selbst wenn Annahmen verletzt wurden (z. B. unvollkommene Testsensitivität oder variierende Progressionsraten), behielt die vorgeschlagene Methode eine bessere Kalibrierung als Standardmodelle bei, obwohl die Verzerrung der Parameterschätzung zunahm.

Fallstudie: Chronische Nierenerkrankung (CKD)

Unter Verwendung von 123.460 Personen aus der UK Biobank:

Diagnostische Heterogenität: Das HMM identifizierte Diabetes als stärksten Treiber der Beobachtbarkeit (Odds Ratio: 10,36 für Testraten), gefolgt von Bluthochdruck. Weibliches Geschlecht war mit niedrigeren Testraten assoziiert (OR: 0,69).
Verzerrungskorrektur:
- Das Naive-Modell unterschätzte das Risiko für Patienten ohne Diabetes stark (O:E-Verhältnis: 1,55).
- Das Imputierte-Modell korrigierte dies und erreichte ein O:E-Verhältnis von 1,01 für die nicht-diabetische Gruppe, während die Kalibrierung für die diabetische Gruppe erhalten blieb (O:E: 1,01).
Klinischer Nutzen: Die Entscheidungs-Kurven-Analyse zeigte einen verbesserten Netto-Nutzen für beide Gruppen, insbesondere für die unterdiagnostizierte Population, ohne die Leistung für gut überwachte Gruppen zu verringern.
Risikostratifizierung: Das korrigierte Modell erhöhte die geschätzten Risiken für Patienten ohne Diabetes und spiegelte so ihr wahres zugrunde liegendes Risiko wider, anstatt ihre geringere Wahrscheinlichkeit, getestet zu werden.

Bedeutung und Behauptungen

Die Autoren behaupten, dass ihr Ansatz eine theoretisch fundierte und empirisch validierte Methode bietet, um Verzerrungen und Ungerechtigkeiten in klinischen Vorhersagemodellen zu reduzieren, ohne externe Inzidenzdaten oder feste Annahmen über die Krankheitsprävalenz zu benötigen.

Indem der „diagnostische Prozess" explizit als latente Variable modelliert wird, die von Patientenmerkmalen beeinflusst wird, ermöglicht die Methode die Schätzung des Risikos unter einem fairen kontrafaktischen Szenario, in dem Testraten angeglichen werden. Die Autoren betonen, dass dies zu einer genaueren Risikostratifizierung führt und sicherstellt, dass unterdiagnostizierte Populationen in der Präventionsversorgung nicht systematisch übersehen werden. Sie positionieren diese Arbeit als einen Schritt hin zu „datenzentrierter" Fairness, der die Ursachen von Verzerrungen in routinemäßigen klinischen Daten adressiert, anstatt lediglich die Symptome im finalen Modell zu mildern.

Die Arbeit schließt bescheiden mit der Feststellung, dass die Methode zwar auf spezifischen Annahmen beruht (z. B. Markovsche Progression, konstante Testraten im späten Stadium), aber ein flexibles Rahmenwerk bietet, das in zukünftigen Arbeiten auf komplexere Krankheitsverläufe und mehrere Testtypen erweitert werden kann.