Evidence-guided AI regularization for suicidal ideation prediction in pediatric bipolar disorder

Resumen Técnico: Regularización de IA guiada por la evidencia para la predicción de la ideación suicida en el trastorno bipolar pediátrico

Planteamiento del problema
Los modelos de predicción de suicidio en psiquiatría dependen frecuentemente de una selección de características puramente impulsada por los datos. En muestras clínicas de tamaño modesto, este enfoque suele generar conjuntos de predictores inestables y modelos clínicamente opacos que no logran integrar el conocimiento de dominio establecido. Si bien el aprendizaje automático (específicamente LASSO) ofrece una solución al problema de "n pequeño y p grande" común en la psiquiatría pediátrica, el LASSO estándar aplica una penalización uniforme a todos los coeficientes. Esto trata a cada predictor candidato como igualmente propenso a ser irrelevante antes de la observación de los datos, ignorando la evidencia clínica previa. En consecuencia, los modelos pueden fijarse en correlaciones inestables y específicas de la muestra, en lugar de en dominios de riesgo clínicamente plausibles. Además, la asignación manual de pesos de penalización específicos para cada característica basados en la opinión de expertos suele ser inviable, no reproducible y difícil de escalar.

Metodología
Los autores desarrollaron el LASSO de IA basado en la evidencia (EBAL, por sus siglas en inglés), un marco híbrido que integra evidencia clínica curada directamente en el proceso de regularización de un modelo LASSO. El flujo de trabajo consta de cuatro etapas principales:

1. Síntesis de evidencia: Se realizó una revisión sistemática siguiendo las directrices de Cochrane y PRISMA para construir un corpus de conocimiento de dominio. La búsqueda se restringió a evidencia de nivel superior (revisiones sistemáticas, metaanálisis, metaanálisis de red, revisiones de paraguas y guías de práctica clínica) relevantes para la suicidabilidad en jóvenes con trastorno bipolar o dominios relacionados. Este proceso produjo 40 documentos curados.
2. Generación aumentada por recuperación (RAG) para la ponderación: Para traducir el corpus de evidencia no estructurada en pesos de penalización numéricos, los autores emplearon un flujo de trabajo de dos modelos de lenguaje de gran tamaño (LLM) utilizando modelos de pesos abiertos Qwen3:
   • Qwen3-Embedding-8B: Se utilizó para convertir los 40 documentos de evidencia en representaciones vectoriales de alta dimensión e indexarlos en una base de datos vectorial local ChromaDB.
   • Qwen3-30B-A3B-Thinking: Un modelo de razonamiento de mezcla de expertos (Mixture-of-Experts) utilizado para asignar factores de penalización específicos por característica. Para cada uno de los 20 predictores candidatos, el sistema recuperó los tres segmentos de texto semánticamente más relevantes del corpus de evidencia. El LLM evaluó entonces estos segmentos frente a una rúbrica de puntuación preespecificada (puntuaciones de 2 a 5) para determinar el factor de penalización. Una puntuación de 2 indicaba una fuerte evidencia que vinculaba el predictor con la ideación suicida (penalización menor), mientras que una de 5 indicaba evidencia débil o nula (penalización mayor).
   • Restricción: El LLM recibió únicamente los nombres de los predictores y los segmentos de evidencia recuperados, sin acceso a los datos clínicos de los resultados, asegurando que los pesos se derivaran exclusivamente del conocimiento previo.
3. Ajuste del modelo: Los pesos de penalización derivados se utilizaron para ajustar un modelo de regresión logística con LASSO ponderado. El estudio utilizó datos basales de 136 jóvenes con diagnóstico confirmado de trastorno del espectro bipolar del Registro de Trastorno Bipolar del área metropolitana de Houston. El resultado primario fue la ideación suicida (binaria) y el resultado secundario fue la conducta suicida.
4. Evaluación: El rendimiento se evaluó mediante validación cruzada de dejar uno fuera (LOOCV) anidada. El bucle interno seleccionó la fuerza de regularización óptima ($\lambda$) mediante validación cruzada de 10 pliegues, mientras que el bucle externo reservó a un participante para las pruebas. El modelo EBAL se comparó con un LASSO estándar, agnóstico a la evidencia y con penalizaciones uniformes. Se aplicó la Técnica de Sobremuestreo de Minorías Sintéticas (SMOTE) únicamente a los datos de entrenamiento para abordar el desequilibrio de clases.

Resultos clave

• Predicción de la ideación suicida:
  • Rendimiento de EBAL: Logró un AUROC de 0.768 y una precisión balanceada de 0.757.
  • Rendimiento de LASSO estándar: Logró un AUROC de 0.760 y una precisión balanceada de 0.715.
  • Significancia estadística: Aunque la diferencia en el AUROC no fue estadísticamente significativa ($p=0.313$), las pruebas de bootstrap pareadas confirmaron que EBAL superó significativamente al LASSO estándar en precisión balanceada (+0.042, $p=0.010$) y en el coeficiente de correlación de Matthews (+0.079, $p=0.010$).
  • Selección de características: EBAL produjo un modelo más disperso y estable, reteniendo solo 11 de 20 predictores en comparación con los 18 del LASSO estándar. Los tres principales predictores positivos retenidos por EBAL fueron el estado de ánimo depresivo actual, la duración de la enfermedad del trastorno del estado de ánimo y el trastorno de ansiedad generalizada comórbido.
• Predicción de la conducta suicida:
  • Ambos modelos funcionaron cerca del azar (AUROC de EBAL: 0.594; AUROC de LASSO estándar: 0.592) y no lograron una selección de variables significativa (ambos retuvieron las 20 características). Los autores atribuyen esto a la naturaleza aguda y dependiente del estado de la conducta suicida, que no es bien capturada por los predictores clínicos estáticos disponibles en el conjunto de datos.

Significancia y afirmaciones
El artículo afirma que EBAL operacionaliza con éxito los principios de la medicina basada en la evidencia dentro de la estructura de penalización de la regresión regularizada. Al incrustar la evidencia clínica curada en el modelo antes de la estimación, el marco produce un conjunto de predictores que es:

1. Clínicamente coherente: Las características retenidas se alinean con las vías mecanísticas establecidas (por ejemplo, síntomas de internalización, cronicidad de la enfermedad) en lugar de con el ruido específico de la muestra.
2. Disperso y estable: Las penalizaciones guiadas por la evidencia filtran eficazmente los predictores débiles, reduciendo la complejidad del modelo sin sacrificar (y mejorando ligeramente) el rendimiento de la clasificación.
3. Transparente y reproducible: El uso de LLM de pesos abiertos y un corpus de evidencia trazable permite la inspección total del proceso de derivación de la penalización. A diferencia de los modelos propietarios basados en la nube, el enfoque de pesos abiertos asegura que los pesos de penalización exactos puedan ser reproducidos por otros grupos sin dependencia de APIs externas o cambios en los parámetros del modelo.

Los autores concluyen que, si bien EBAL no mejoró la predicción de la conducta suicida (probablemente debido a las limitaciones de los datos respecto a los desencadenantes agudos), ofrece una estrategia robusta y transparente para alinear los modelos de predicción psiquiátrica con el conocimiento clínico previo, particularmente para resultados como la ideación suicida, donde los factores de riesgo son más estables y están mejor documentados. El estudio reconoce limitaciones que incluyen su diseño transversal, su naturaleza de un solo centro, el tamaño de muestra modesto y la falta de una cohorte de validación externa.