Explainable AI for Chronic Kidney Disease Prediction Using Simulated Federated Learning

Resumen Técnico: IA Explicable para la Predicción de la Enfermedad Renal Crónica mediante Aprendizaje Federado Simulado

Planteamiento del Problema
La Enfermedad Renal Crónica (ERC) representa un desafío significativo para la salud pública, caracterizado por la pérdida gradual de la función renal. La detección temprana es crítica para prevenir complicaciones graves y mejorar los resultados de los pacientes. Sin embargo, el desarrollo de modelos de predicción fiables a menudo requiere la agregación de datos sensibles de pacientes de múltiples instituciones sanitarias, lo que plantea serias preocupaciones de privacidad. Los enfoques tradicionales de aprendizaje automático centralizado requieren compartir datos brutos con terceros, lo que crea barreras para la colaboración y la seguridad de los datos. Además, aunque existen modelos de alta precisión, la naturaleza de "caja negra" de muchos algoritmos avanzados dificulta la confianza y la adopción en entornos clínicos donde la transparencia es primordial.

Metodología
Este estudio propone un marco que integra el Aprendizaje Federado (FL, por sus siglas en inglés) con métodos de aprendizaje automático de conjunto (ensemble) y la IA Explicable (XAI) para predecir la ERC preservando la privacidad de los datos. La metodología avanza a través de las siguientes etapas:

1. Conjunto de Datos y Preprocesamiento: La investigación utilizó un conjunto de datos clínicos de 400 registros de pacientes que contenían 14 variables predictoras médicas (por ejemplo, presión arterial, hemoglobina, creatinina sérica) y una etiqueta de clase binaria. Para abordar el desequilibrio de clases (62.5% ERC frente a 37.5% no-ERC), se aplicó la Técnica de Sobremuestreo de la Clase Minoritaria Sintética (SMOTE), expandiendo el conjunto de datos a 500 muestras.
2. Arquitectura de Aprendizaje Federado: El estudio simuló un entorno federado con tres clientes distintos. El conjunto de datos se particionó en tres subconjuntos utilizando una división estratificada para preservar la distribución de las clases.
   • Entrenamiento Local: Cada cliente entrenó modelos locales utilizando tres algoritmos de conjunto: Random Forest (RF), AdaBoost y XGBoost.
   • Optimización: Se empleó GridSearchCV en el lado del cliente para automatizar el ajuste de hiperparámetros y prevenir el sobreajuste.
   • Selección de Modelo: Para cada cliente, se seleccionó como modelo local óptimo el algoritmo que obtuvo la mayor precisión en el conjunto de prueba local.
3. Agregación Global: Un servidor central agregó los modelos locales seleccionados utilizando un VotingClassifier ponderado. Los pesos asignados a cada modelo fueron proporcionales a sus respectivas precisiones de prueba locales, asegurando que los modelos de mayor rendimiento ejercieran una mayor influencia en la predicción global.
4. Explicabilidad: Para mejorar la transparencia, se aplicaron Explicaciones Locales Interpretables e Independientes del Modelo (LIME) para interpretar las predicciones del modelo global, identificando las contribuciones de las características para instancias individuales.
5. Evaluación: El sistema se evaluó mediante Exactitud, Sensibilidad (Recall), Precisión y Puntuación F1, junto con una validación cruzada de 5 pliegues (5-fold cross-validation) para evaluar la generalización.

Contribuciones Clave

• Aprendizaje de Conjunto Preservador de la Privacidad: El estudio demuestra un marco de FL simulado donde RF, AdaBoost y XGBoost se combinan sin compartir datos brutos de pacientes, abordando las restricciones de privacidad.
• Optimización de Modelo Híbrido: Al utilizar GridSearchCV para la optimización de parámetros locales y un VotingClassifier ponderado para la agregación global, el enfoque aprovecha las fortalezas de múltiples métodos de conjunto.
• Integración de XAI: La incorporación de LIME proporciona interpretabilidad, permitiendo a las partes interesadas comprender la lógica detrás de las predicciones de la ERC, destacando específicamente la contribución de características como la hemoglobina y los niveles de azúcar.

Resultados

• Rendimiento Local: En los clientes simulados, Random Forest alcanzó una exactitud del 100% en todas las métricas para el Cliente 1. Para los Clientes 2 y 3, los mejores modelos (AdaBoost y XGBoost, respectivamente) alcanzaron aproximadamente un 97% de exactitud, 100% de sensibilidad, 94% de precisión y 97% de puntuación F1.
• Rendimiento del Modelo Global: El modelo global agregado logró una exactitud promedio del 99%. Específicamente, para la Clase 0 (no-ERC), el modelo alcanzó un 98% de precisión y un 100% de sensibilidad. Para la Clase 1 (ERC), alcanzó un 100% de precisión y un 98% de sensibilidad. La puntuación F1 para ambas clases fue del 99%.
• Validación Cruzada: La validación cruzada de 5 pliegues confirmó la robustez del modelo, con puntuaciones de exactitud que oscilaron entre el 96% y el 100% en los pliegues, alcanzando el 100% en los pliegues 3 y 5.
• Importancia de las Características: El análisis de LIME reveló que los niveles de hemoglobina (específicamente el intervalo 11.30 < Hemo ≤ 13.23) y el estado de hipertensión fueron contribuyentes significativos al proceso de toma de decisiones del modelo.

Significancia y Reivindicaciones
El artículo sostiene que el marco propuesto equilibra con éxito un alto rendimiento predictivo con la privacidad de los datos y la interpretabilidad del modelo. Al lograr un 99% de exactitud, el estudio destaca el potencial de los modelos de Aprendizaje Federado interpretables para apoyar el diagnóstico temprano de la ERC sin comprometer la confidencialidad del paciente. Los autores afirman que este enfoque hace avanzar las soluciones de salud basadas en datos al ofrecer una alternativa fiable, transparente y que preserva la privacidad frente a la recopilación de datos centralizada. El estudio concluye que tales modelos pueden reducir la dependencia de pruebas clínicas extensas para la detección temprana, aunque señala que se requiere trabajo futuro para validar estos hallazgos en conjuntos de datos más grandes y diversos para asegurar una aplicación clínica más amplia.