Chagas Disease Detection Using Optimized XGBoost and Explainable AI

La enfermedad de Chagas es una amenaza silenciosa que afecta a millones de personas, particularmente en América Latina. Es causada por un parásito microscópico que entra en el cuerpo y puede permanecer latente durante años, a menudo sin mostrar ningún síntoma. El peligro reside en lo que sucede después: el parásito puede dañar lentamente el corazón, provocando ritmos irregulares, insuficiencia cardíaca y un tipo específico de enfermedad crónica del músculo cardíaco. Debido a que las etapas tempranas son tan silenciosas, detectar la enfermedad antes de que ocurra un daño cardíaco grave es increíblemente difícil. Los médicos confían en los electrocardiogramas, o ECG, que son pruebas sencillas y no invasivas que registran la actividad eléctrica del corazón. Estas pruebas son baratas y están ampliamente disponibles, lo que las convierte en una herramienta perfecta para el cribado, pero su lectura requiere un ojo entrenado, y los signos sutiles de la enfermedad pueden pasar desapercibidos fácilmente, especialmente en zonas donde los recursos médicos son escasos.

En los últimos años, los científicos han recurrido a las computadoras para ayudar a detectar estos patrones ocultos. Si bien los sistemas informáticos avanzados conocidos como aprendizaje profundo (deep learning) han mostrado resultados prometedores en el análisis de señales cardíacas, a menudo actúan como cajas negras. Pueden hacer una predicción, pero no pueden explicar por qué llegaron a esa conclusión. Para que un médico confíe en el diagnóstico de una computadora, necesita comprender el razonamiento detrás de este. Un equipo de investigadores de la Universidad de Nilai ha desarrollado un nuevo enfoque que cierra esta brecha. Crearon un sistema que no solo predice la presencia de la enfermedad de Chagas con alta precisión, sino que también explica exactamente qué partes de la señal eléctrica del corazón llevaron a esa decisión. Su trabajo combina un algoritmo informático potente y eficiente con un método que traduce la lógica de la computadora en información clara y comprensible para el ser humano.

Los investigadores comenzaron con una gran colección de datos cardíacos de una base de datos pública llamada CODE-15%. Este conjunto de datos contenía registros de más de 13,000 pacientes, cada uno con una lista detallada de mediciones tomadas de sus ECG, como el tiempo de las ondas eléctricas y la variabilidad de la frecuencia cardíaca. Para que estos datos fueran aún más útiles, el equipo los fusionó con otro archivo que contenía indicadores médicos específicos, como si un paciente tenía un bloqueo en la vía eléctrica en el lado derecho o izquierdo del corazón, o si su ritmo cardíaco era normal. Luego crearon nuevos atributos personalizados combinando estos números existentes de formas que podrían revelar conexiones ocultas, como observar la relación entre diferentes intervalos de tiempo en el latido del corazón. Este proceso enriqueció el conjunto de datos, convirtiendo números brutos en un panorama más rico de la salud cardíaca.

Con los datos preparados, el equipo probó tres tipos diferentes de modelos de aprendizaje automático para ver cuál podía distinguir mejor entre pacientes con la enfermedad de Chagas y aquellos que no la padecen. Probaron un modelo simple y directo, un modelo complejo que construye muchos árboles de decisión y un modelo altamente avanzado conocido como XGBoost. El modelo avanzado resultó ser el más efectivo. Para mejorarlo, los investigadores utilizaron una herramienta especializada para ajustar automáticamente sus configuraciones, realizando cientos de pruebas para encontrar la combinación perfecta de parámetros. Este proceso de optimización permitió que el modelo aprendiera de manera más eficiente a partir de los datos, mejorando su capacidad para detectar los signos sutiles de la enfermedad.

Los resultados mostraron que este sistema optimizado podía identificar correctamente la enfermedad en aproximadamente el 74 por ciento de los casos y tenía una fuerte capacidad para separar a los pacientes enfermos de los sanos. Aunque otros estudios que utilizan redes de aprendizaje profundo masivas y complejas han logrado puntuaciones similares, este nuevo sistema es mucho más simple y rápido de ejecutar. Más importante aún, los investigadores no se detuvieron solo en obtener un número. Aplicaron una técnica llamada SHAP al modelo final, que actúa como un reflector sobre el proceso de toma de decisiones. Esta herramienta reveló exactamente qué factores fueron los más importantes para el diagnóstico. Mostró que la edad del paciente era la pista principal, seguida de cerca por la presencia de un bloqueo eléctrico específico en el lado derecho del corazón. También destacó que una lectura de ECG normal era un signo sólido de que la enfermedad estaba ausente.

El sistema fue un paso más allá al proporcionar explicaciones para pacientes individuales. Para una persona específica, el modelo podía mostrar que su alto riesgo era impulsado por una combinación de su edad y una diferencia significativa entre su edad real y la edad que su corazón parecía tener basándose en su actividad eléctrica. Este nivel de detalle es crucial porque permite a los médicos ver la evidencia detrás de la predicción, en lugar de simplemente aceptar una respuesta de sí o no. Los investigadores encontraron que los factores más influyentes, como la edad y los bloqueos eléctricos específicos, se alinean perfectamente con lo que la ciencia médica ya sabe sobre cómo la enfermedad de Chagas daña el corazón. Al combinar un fuerte poder predictivo con explicaciones claras, el equipo ha creado una herramienta que no solo es precisa, sino también lo suficientemente confiable como para ser utilizada en clínicas del mundo real.

Este trabajo sugiere que las herramientas informáticas sofisticadas no necesitan ser misteriosas para ser útiles. Al centrarse en un modelo que pueda ser comprendido y optimizado para la eficiencia, los investigadores han ofrecido una solución práctica para la detección temprana en entornos con recursos limitados. El sistema ya está disponible como una aplicación web donde los usuarios pueden ingresar datos clínicos y recibir una predicción instantánea junto con una explicación detallada de los factores involucrados. Si bien el estudio reconoce que probar en grupos de personas aún más grandes y diversos sería valioso en el futuro, los hallazgos actuales demuestran que un enfoque equilibrado, que valore tanto el rendimiento como la transparencia, puede apoyar eficazmente la lucha contra esta enfermedad tropical desatendida.