🧬 biology

An Explainable XGBoost Framework for Anxiety and Depression Risk Prediction with SHAP and Counterfactual Reasoning

Este estudio presenta un marco de trabajo de XGBoost explicable para la predicción del riesgo de ansiedad y depresión que aborda el desequilibrio de clases y el rigor de la evaluación, integrando al mismo tiempo SHAP y el razonamiento contrafáctico para proporcionar información transparente e interpretable sobre las decisiones del modelo sin reemplazar el diagnóstico clínico.

Autores originales: Anima Dahal, Bibash Basnet

Publicado 2026-09-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Anima Dahal, Bibash Basnet

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

En el panorama moderno de la atención médica, la inteligencia artificial ha emergido como una poderosa herramienta para cribar vastas cantidades de datos humanos con el fin de hallar patrones que, de otro modo, podrían permanecer ocultos. Cuando se aplica a la salud mental, estos sistemas pretenden analizar las respuestas que las personas dan a preguntas sobre sus vidas, sus hábitos y sus sentimientos para detectar signos tempranos de ansiedad o depresión. El desafío, sin embargo, es que estas condiciones son complejas y a menudo sutiles, y los datos utilizados para estudiarlas están frecuentemente desequilibrados, con muchas más personas reportando una buena salud mental que aquellas que reportan dificultades. Además, un modelo informático que realiza una predicción es a menudo una caja negra; ofrece una respuesta sin explicar el porqué, lo que dificulta que los médicos confíen en esa información o la utilicen de manera responsable. Para ser verdaderamente útil, un sistema no solo debe predecir el riesgo con precisión, sino también mostrar su trabajo, revelando qué factores impulsaron la decisión y asegurando que trate a diferentes grupos de personas de manera justa.

Un equipo de investigadores de la Universidad de Nilai ha desarrollado un nuevo marco diseñado para enfrentar estos desafíos exactos. Construyeron un sofisticado programa informático capaz de evaluar el riesgo de ansiedad y depresión utilizando una gran colección de respuestas de encuestas y detalles personales. En lugar de simplemente entrenar a un modelo para que acierte con la mayor frecuencia posible, los investigadores se centraron en crear un sistema que fuera transparente, fiable y cuidadosamente probado. Comenzaron con un conjunto de datos que contenía información de más de 24,000 participantes, incluyendo sus respuestas a cuestionarios estándar sobre estrés, sueño y estado de ánimo, junto con detalles como edad, género y educación. Debido a que el número de personas con ansiedad o depresión en el grupo era mucho menor que las que no la padecían, el equipo tuvo que enseñar a la computadora a prestar especial atención a los casos minoritarios, asegurando que no simplemente los ignorara para lograr una puntuación general alta.

Los investigadores dividieron sus datos en tres grupos distintos para asegurar que sus resultados fueran honestos y no solo un golpe de suerte. Utilizaron un grupo para enseñar a la computadora, un segundo grupo para ajustar cómo el sistema toma decisiones, y un tercer grupo completamente aislado de 3,644 personas para probar el resultado final. Esta separación estricta evitó que el sistema memorizara las respuestas de la prueba, un error común que conduce a resultados excesivamente optimistas. También ajustaron el proceso de toma de decisiones del sistema. En lugar de utilizar una regla estándar donde una puntuación superior al cincuenta por ciento cuenta como un resultado positivo, elevaron el listón significativamente. Descubrieron que era necesario un umbral mucho más alto para que las predicciones fueran fiables, diciéndole efectivamente al sistema que debe estar muy seguro antes de señalar a alguien como alguien en riesgo.

Cuando se ejecutó la prueba final en el grupo aislado de 3,644 participantes, el sistema funcionó con una precisión notable. Para la ansiedad, alcanzó un AUC de 0.98, y para la depresión, alcanzó un AUC de 0.95. Más importante aún, el sistema no solo dio una respuesta de sí o no; proporcionó una explicación clara de sus elecciones. Utilizando un método que desglosa la influencia de cada pregunta, los investigadores descubrieron que las respuestas relacionadas con el estrés fueron los impulsores más poderosos para las predicciones de ansiedad y depresión. Las preguntas relacionadas con el sueño también jugaron un papel importante, particularmente para la depresión. El sistema podía mostrar exactamente cómo las respuestas específicas de una persona empujaban la puntuación final hacia arriba o hacia abajo, permitiendo que un clínico viera la lógica detrás de la evaluación de riesgo.

Para probar más a fondo la lógica del sistema, los investigadores plantearon un tipo de pregunta diferente: ¿qué tendría que cambiar para que la computadora cambiara de opinión? Crearon escenarios hipotéticos donde alteraron ligeramente las respuestas de una persona para ver si la puntuación de riesgo descendía. Descubrieron que cambiar solo algunas respuestas clave, como reducir los niveles de estrés reportados o mejorar la calidad del sueño en los datos, era a menudo suficiente para mover a una persona de una categoría de alto riesgo a una de menor riesgo. Esto demostró que el modelo era sensible a cambios específicos y no estaba simplemente haciendo conjeturas aleatorias. El equipo también comprobó que el sistema funcionaba por igual para hombres y mujeres, encontrando que, aunque los números exactos variaban ligeramente, la capacidad de distinguir entre alto y bajo riesgo se mantenía constante entre géneros.

Los investigadores enfatizan que este sistema no es un reemplazo para el diagnóstico de un médico. La salud mental involucra factores personales y contextuales profundos que una computadora no puede capturar plenamente. En cambio, este marco está diseñado como una herramienta de apoyo a la decisión, una forma de ayudar a los profesionales a identificar a individuos que podrían beneficiarse de una revisión más cercana. Al combinar una alta precisión con explicaciones claras y pruebas justas entre diferentes grupos, el estudio ofrece un camino más confiable hacia el uso de la inteligencia artificial en el cribado de la salud mental. Demuestra que cuando la tecnología se construye con cuidado y transparencia, puede iluminar el camino hacia una mejor atención sin perder de vista la complejidad humana que constituye su núcleo.

Resumen Técnico: Un marco de XGBoost explicable para la predicción del riesgo de ansiedad y depresión

Planteamiento del problema
Si bien el aprendizaje automático (ML) ofrece potencial para la identificación temprana de riesgos de ansiedad y depresión, los enfoques actuales suelen priorizar el rendimiento predictivo agregado a expensas de la interpretabilidad, la robustez y la evaluación sistemática del modelo. Las limitaciones comunes en la literatura actual de predicción de salud mental incluyen:

Explicabilidad insuficiente: Los modelos suelen funcionar como "cajas negras", fallando al proporcionar información sobre los factores específicos que impulsan las decisiones individuales.
Deficiencias metodológicas: Muchos estudios sufren de fuga de datos (data leakage), donde el conjunto de prueba se utiliza inadvertidamente durante la optimización de hiperparámetros, la selección de características o el ajuste de umbrales, lo que conduce a estimaciones de rendimiento excesivamente optimistas.
Negligencia de dimensiones críticas de evaluación: Probleales como el desequilibrio de clases, la calibración de la probabilidad, la selección del umbral de decisión y la equidad de los subgrupos son frecuentemente subatendidos.
Falta de razonamiento contrafáctico: Pocos estudios exploran cómo los cambios hipotéticos en las características de entrada podrían alterar las predicciones del modelo, lo que limita la utilidad de los modelos para comprender la sensibilidad de la decisión.

Metodología
Los autores proponen un marco integral, controlado contra la fuga de datos, para predecir los riesgos de ansiedad y depresión utilizando datos demográficos y de cuestionarios psicológicos (PHQ-9, GAD-7, PSS, ISI). El estudio trata la ansiedad y la depresión como dos tareas de clasificación binaria independientes ( $Y_A$ y $Y_D$ ) utilizando un conjunto de datos de 24,292 participantes.

Partición de datos y prevención de fugas: El conjunto de datos se dividió estrictamente en conjuntos de entrenamiento, validación y prueba aislados (3,644 participantes). El conjunto de prueba se reservó exclusivamente para la evaluación final y no se utilizó para el ajuste de hiperparámetros, la selección de características, la selección de umbrales o la calibración.
Desarrollo del modelo:
- Modelos de referencia (Baselines): Se establecieron la Regresión Logística (con pesos de clase equilibrados) y Random Forest como puntos de referencia.
- Modelo principal: Se desarrollaron clasificadores XGBoost optimizados para ambos objetivos. Los hiperparámetros se ajustaron mediante validación cruzada de cinco pliegues (five-fold cross-validation) en el conjunto de entrenamiento, utilizando PR-AUC como objetivo de optimización para abordar el desequilibrio de clases.
Optimización del umbral: En lugar de depender de un umbral predeterminado de 0.50, los umbrales de decisión se seleccionaron utilizando el conjunto de validación. Se eligió un umbral de 0.90 para ambos modelos para equilibrar la precisión y la sensibilidad (recall), reconociendo el alto costo de los falsos negativos en contextos de detección.
Calibración de la probabilidad: Los modelos se sometieron a una calibración de probabilidad (post-entrenamiento) para asegurar que las probabilidades predichas reflejaran la ocurrencia observada de los resultados, evaluada mediante la puntuación Brier.
Explicabilidad y razonamiento:
- SHAP (SHapley Additive exPlanations): Se utilizó para el ranking global de características (valores absolutos medios de SHAP) e interpretación local (gráficos de cascada/waterfall plots) para identificar las características influyentes y los impulsores de decisiones individuales.
- Análisis contrafáctico: Se generaron escenarios hipotéticos para determinar el conjunto mínimo de cambios en las características requeridos para desplazar una predicción a través del umbral de decisión de 0.90.
Análisis de subgrupos: El rendimiento se evaluó a través de subgrupos demográficos (género, educación, hábitos) para evaluar la consistencia y los posibles problemas de equidad, sin utilizar estos grupos para la optimización del modelo.

Resultados clave
En el conjunto de prueba aislado de 3,644 participantes, los modelos XGBoost optimizados demostraron una fuerte discriminación y fiabilidad:

Métricas de rendimiento (Umbral = 0.90):
- Ansiedad: Exactitud 97.59%, ROC-AUC 0.9601, Precisión 47.17%, Sensibilidad (Recall) 60.98%, F1-score 0.5319.
- Depresión: Exactitud 94.62%, ROC-AUC 0.9386, Precisión 50.25%, Sensibilidad (Recall) 51.27%, F1-score 0.5075.
- Nota: La alta exactitud refleja la clasificación correcta de la mayoría de la clase negativa; los autores enfatizan que la precisión, la sensibilidad y el PR-AUC son críticos para evaluar el rendimiento en las clases positivas desequilibradas.
Comparación: Los modelos XGBoost optimizados superaron a la Regresión Logística de referencia, Random Forest y las configuraciones por defecto de XGBoost, particularmente en términos de ROC-AUC y PR-AUC.
Calibración: La calibración mejoró significativamente la fiabilidad de la probabilidad, reduciendo la puntuación Brier de la ansiedad de 0.0542 a 0.0151 y de la depresión de 0.0921 a 0.0355, sin alterar la discriminación basada en el ranking (ROC-AUC/PR-AUC).
Importancia de las características (SHAP): Las características relacionadas con el estrés de la Escala de Estrés Percibido (PSS Q1, Q2, Q3) fueron los predictores más influyentes para ambas condiciones. Las características relacionadas con el sueño (ISI) también contribuyeron notablemente, particularmente para la depresión.
Contrafácticos: El análisis mostró que la modificación de combinaciones específicas de puntuaciones de PSS e ISI podía reducir con éxito las probabilidades predichas por debajo del umbral de decisión de 0.90, demostrando la sensibilidad del modelo a las variaciones de entrada.
Equidad de subgrupos: La discriminación (ROC-AUC) se mantuvo ampliamente comparable entre los grupos de género (por ejemplo, ROC-AUC de Ansiedad: 0.9594 para mujeres, 0.9612 para hombres), aunque se observaron variaciones en las métricas de precisión y sensibilidad.

Significancia y afirmaciones
El artículo afirma abordar una brecha de investigación al ir más allá del simple reporte de exactitud para proporcionar un marco confiable, interpretable y sistemáticamente evaluado. Sus principales contribuciones incluyen:

Protocolo de evaluación riguroso: Al aislar estrictamente el conjunto de prueba y utilizar los datos de validación para todos los pasos de optimización, el estudio proporciona una estimación imparcial del rendimiento de generalización.
Marco holístico: La integración del manejo del desequilibrio de clases, la optimización del umbral, la explicación basada en SHAP, el razonamiento contrafáctico y el análisis de subgrupos ofrece un enfoque más transparente de la evaluación de riesgos de salud mental mediante IA que el simple rendimiento predictivo.
Contextualización clínica: Los autores declaran explícitamente que el marco está destinado a ser una herramienta de detección de riesgos y apoyo a la decisión, no un reemplazo para el diagnóstico clínico. El alto umbral de decisión (0.90) y el enfoque en la explicabilidad están diseñados para apoyar a los profesionales en la priorización de individuos para una evaluación posterior, manteniendo la transparencia respecto a las limitaciones del modelo y la naturaleza no causal de las predicciones.

El estudio concluye que la combinación de XGBoost optimizado con estas técnicas de interpretabilidad y evaluación mejora la fiabilidad y utilidad de la IA en la evaluación del riesgo de salud mental, siempre que el sistema se utilice junto con el juicio clínico profesional.

Resumen Técnico: Un marco de XGBoost explicable para la predicción del riesgo de ansiedad y depresión

Más como este