A Unified Three-Stage Machine Learning Framework for Diabetes Detection, Subtype Discrimination, and Cognitive-Metabolic Hypothesis Testing

Technischer Zusammenfassung: Ein einheitliches dreistufiges Machine-Learning-Framework zur Diabetes-Erkennung, Subtyp-Diskriminierung und Testung kognitiv-metabolischer Hypothesen

Problemstellung
Aktuelle Machine-Learning-(ML-)Ansätze zur Vorhersage des Diabetes mellitus stehen vor drei Hauptlimitierungen: (1) Unvollständigkeit der Metriken, wobei Studien häufig die Genauigkeit (Accuracy) gegenüber klinisch kritischen Metriken wie Recall und ROC-AUC priorisieren, was potenziell zu übersehenen False Negatives führt; (2) Fehlende Subtyp-Diskriminierung, wobei Typ-1- (T1DM) und Typ-2-Diabetes (T2DM) trotz unterschiedlicher Ätiologien und Behandlungsbedürfnisse häufig in eine einzige binäre Klasse zusammengefasst werden; und (3) Ungeprüfte kognitiv-metabolische Zusammenhänge, insbesondere die Hypothese des „Typ-3-Diabetes" (T3DM), die einen durch zentrale Insulinresistenz getriebenen neurodegenerativen Pfad postuliert und auf öffentlichen longitudinalen Daten rechnerisch noch nicht getestet wurde.

Methodik
Die Autoren schlagen ein reproduzierbares, dreistufiges Framework vor, das drei verschiedene Datensätze nutzt: den NCSU Diabetes Dataset (gemischte indische Kohorte), die Pima Indians Diabetes Database (zum Benchmarking) und den Ohio Longitudinal Cognitive Dataset (n=373).

• Stufe 1: Binäre Diabetes-Erkennung & Erklärbarkeit

  • Datenvorverarbeitung: Kategoriale Symptome wurden binarisiert; physiologisch unmögliche Nullwerte wurden mit Mediane imputiert; Ausreißer wurden über den Interquartilsabstand (IQR) gefiltert; und Merkmale wurden standardisiert.
  • Modellierung: Fünf überwachte Klassifikatoren (SVM-RBF, Logistische Regression, Random Forest, Extra Trees, Gradient Boosting) und ein Stacking-Ensemble wurden unter Verwendung einer stratifizierten 5-fachen Kreuzvalidierung trainiert.
  • Evaluation: Die Modelle wurden mit sechs Metriken bewertet: Accuracy, Balanced Accuracy, Precision, Recall, F1-Score und ROC-AUC.
  • Erklärbarkeit: SHAP-Werte (SHapley Additive exPlanations) wurden unter Verwendung eines TreeExplainers auf dem leistungsstärksten Tree-Ensemble berechnet, um dominante prädiktive Biomarker zu identifizieren.

• Stufe 2: Unüberwachtes Subtyp-Clustering

  • Kohorte: Beschränkt auf bestätigte Diabetesfälle (DO=1) aus dem NCSU-Datensatz.
  • Merkmale: Glukose, Insulin und Alter wurden basierend auf ihrer physiologischen Relevanz für die Differenzierung von T1DM/T2DM ausgewählt.
  • Algorithmus: K-Means-Clustering wurde mit $k$ im Bereich von 2 bis 8 angewendet.
  • Validierung: Das optimale $k$ wurde unter Verwendung dreier interner Validitätsindizes bestimmt: Silhouette-Koeffizient, Davies-Bouldin-Index und Calinski-Harabasz-Score.

• Stufe 3: T3DM-Hypothesentestung

  • Hypothese 1 (H1): Getestet auf signifikante Unterschiede in der glykämischen Kontrolle über drei kognitive Gruppen (nicht dementiert, dementiert, konvertiert) mittels Kruskal-Wallis-Einfaktorieller ANOVA.
  • Hypothese 2 (H2): Getestet auf einen monotonen Zusammenhang zwischen glykämischer Kontrolle und kognitiver Funktion (COG-FUNC) mittels Spearman-Rangkorrelation, wobei die Holm-Bonferroni-Korrektur für multiple Vergleiche angewendet wurde.

Hauptergebnisse

• Binäre Klassifikation:

  • Leistung: SVM-RBF und Logistische Regression erreichten die höchsten ROC-AUC-Werte ($0,825 \pm 0,026$ bzw. $0,825 \pm 0,034$). Random Forest erreichte die höchste rohe Accuracy ($0,762$), aber den niedrigsten Recall ($0,556$), was auf eine hohe Rate übersehener Diabetesfälle hindeutet.
  • Testset: Auf dem zurückgehaltenen Testset erreichte SVM-RBF einen Recall von $0,741$ und eine ROC-AUC von $0,800$.
  • Erklärbarkeit: Die SHAP-Analyse identifizierte Glukose, BMI und Alter als dominante prädiktive Biomarker. Merkmale wie Polyphagie und Rauchen zeigten einen marginalen prädiktiven Beitrag ($|SHAP| < 0,05$).

• Subtyp-Clustering:

  • Validierung: Eine 2-Cluster-Lösung ($k=2$) wurde basierend auf einem Silhouette-Score von $\approx 0,116$ und klinischer Sparsamkeit ausgewählt.
  • Profile: Cluster 0 wies einen niedrigeren medianen Insulinspiegel und ein jüngeres Alter auf (entsprechend T1DM-Phänotypen), während Cluster 1 einen höheren medianen Insulinspiegel und ein älteres Alter aufwies (entsprechend T2DM-Phänotypen). Die Autoren stellen fest, dass die Trennung moderat ist und die biologische Überlappung zwischen den Subtypen widerspiegelt.

• Kognitiv-metabolische Assoziation:

  • Gruppenunterschiede: Der Kruskal-Wallis-Test fand keine signifikanten Unterschiede in der glykämischen Kontrolle zwischen den kognitiven Gruppen ($p = 0,541$).
  • Korrelation: Es wurde eine statistisch signifikante positive Spearman-Korrelation zwischen glykämischer Kontrolle und kognitiver Funktion gefunden ($\rho_s = 0,208, p = 5,29 \times 10^{-5}$). Dieses Ergebnis überstand die Holm-Korrektur ($p_{Holm} = 1,06 \times 10^{-4}$) und stützt eine moderate positive Assoziation, bei der eine bessere metabolische Regulation mit einer höheren kognitiven Funktion einhergeht.

Bedeutung und Behauptungen
Der Artikel beansprucht, die Diabetesforschung entlang dreier Achsen voranzubringen:

1. Erkennungsleistung: Durch die Priorisierung von Recall und ROC-AUC gegenüber roher Accuracy adressiert das Framework die klinische Notwendigkeit, False Negatives beim Screening zu minimieren.
2. Klinische Interpretierbarkeit: Die Verwendung von SHAP liefert modellagnostische, nachträgliche Erklärungen, die direkt auf etablierte klinische Biomarker abbilden und das Vertrauen in ML-Ergebnisse stärken.
3. Multi-Typ-Umfang: Das Framework geht über die binäre Erkennung hinaus, bietet einen unüberwachten Proxy für die Subtyp-Diskriminierung und liefert die erste rechnerische, offene Daten-basierte Bestätigung der T3DM-Hypothese unter Verwendung statistischer Hypothesentests auf longitudinalen kognitiven Daten.

Die Autoren betonen, dass das Framework für Reproduzierbarkeit konzipiert ist, wobei der gesamte Code und die Datenverarbeitungsschritte als annotiertes Jupyter-Notebook veröffentlicht wurden. Sie vermerken bescheiden Limitationen, darunter das Fehlen von Ground-Truth-Subtyp-Labels für die Clustering-Stufe und den querschnittlichen Charakter der kognitiven Analyse, was kausale Schlussfolgerungen bezüglich T3DM einschränkt.