An Interpretable Machine Learning Model for the Diagnosis of Coronary Heart Disease in Patients with Type 2 Diabetes Mellitus: A Multi-Center Cohort Study

Resumen Técnico: Un Modelo de Aprendizaje Automático Interpretable para el Diagnóstico de la Enfermedad Coronaria en Pacientes con Diabetes Mellitus Tipo 2

Planteamiento del Problema
Los pacientes con Diabetes Mellitus Tipo 2 (DMT2) enfrentan un riesgo significativamente elevado de Enfermedad Coronaria (EC). La fisiopatología involucra daño vascular inducido por la hiperglucemia, resistencia a la insulina y dislipidemia, lo que a menudo conduce a una isquemia miocárdica "silenciosa" o asintomática debido a la neuropatía autonómica. Si bien la angiografía coronaria sigue siendo el estándar de oro diagnóstico, su naturaleza invasiva limita su utilidad para el cribado temprano generalizado. Las alternativas no invasivas como la CCTA y la RM presentan limitaciones en cuanto a accesibilidad, contraindicaciones y debate diagnóstico. Además, los modelos predictivos existentes para esta población específica de alto riesgo suelen sufrir de una pobre interpretabilidad y una falta de validación multicéntrica rigurosa, lo que dificulta su adopción por parte de clínicos no especialistas para la estratificación de riesgo temprana.

Metodología
Este estudio empleó un diseño de cohorte retrospectivo multicéntrico que involucró a 2,187 pacientes con DMT2 recolectados en tres hospitales de Guangdong y Shenzhen, China, entre 2021 y 2026.

• Partición de Datos: El conjunto de datos se dividió en una cohorte de entrenamiento ($n=1,667$) y una cohorte de validación externa ($n=520$). El conjunto de entrenamiento se dividió además en subconjuntos de entrenamiento y de validación interna en una proporción de 7:3.
• Ingeniería de Características: Los datos se obtuvieron de cuestionarios, exámenes físicos y pruebas de laboratorio. Se aplicó un riguroso proceso de selección de características en múltiples etapas:
  1. Análisis de correlación de Spearman para filtrar la redundancia.
  2. Factor de Inflación de la Varianza (VIF) para evaluar la multicolinealidad.
  3. Un enfoque de selección tripartito que combina Regresión Logística Univariante ($P < 0.05$), el algoritmo Boruta y regresión LASSO.
  4. Características Finales: Se seleccionaron 11 variables: sexo, edad, ocupación, consumo de alimentos dulces, antecedentes familiares de diabetes, duración del sueño, presión arterial sistólica (PAS), grupos de frecuencia cardíaca, glucosa en sangre en ayunas (GSA), HDL-C y LDL-C.
• Desarrollo del Modelo: Para abordar el desequilibrio de clases, se aplicó sobremuestreo (over-sampling) al conjunto de entrenamiento. Se construyeron y compararon quince modelos distintos de aprendizaje automático, incluyendo Regresión Logística (LR), Bosque Aleatorio (RF), Máquina de Vectores de Soporte (SVM), Red Neuronal de Retropropagación (BP), Máquina de Aprendizaje Extremo (ELM), Función de Base Radial (RBF), Mínimos Cuadrados Parciales (PLS), Unidad Recurrente de Puerta (GRU), Memoria a Largo Corto Plazo (LSTM), Naive Bayes (NB), K-Vecinos Más Cercanos (KNN), Árbol de Decisión (DT), SVM de Mínimos Cuadrados (LSSVM), Red Neuronal Convolucional (CNN) y LSTM Bidireccional (BiLSTM).
• Métricas de Evaluación: El rendimiento se evaluó mediante AUC, precisión (accuracy), sensibilidad, especificidad, PPV, NPV, puntuación F1, MCC, puntuación de Brier, curvas de calibración y Análisis de la Curva de Decisión (DCA).
• Interpretabilidad: Se utilizaron las explicaciones de Shapley Additive Explanations (SHAP) para cuantificar la importancia de las características y proporcionar explicaciones locales para las predicciones individuales.

Resultados Clave

• Rendimiento del Modelo: Entre los 15 candidatos, el modelo de Unidad Recurrente de Puerta (GRU) demostró un rendimiento superior.
  • Conjunto de Prueba Interno: Alcanzó un AUC de 0.7625 y una sensibilidad de 0.7466.
  • Conjunto de Validación Externa: Mantuvo una robustez de generalización con un AUC de 0.7188, una precisión de 0.7192, una sensibilidad de 0.5639, una especificidad de 0.7726 y una puntuación de Brier de 0.1876.
  • El modelo GRU superó a los algoritmos tradicionales (p. ej., LR, RF) y a otras arquitecturas de aprendizaje profundo (p. ej., LSTM, BiLSTM) en términos del equilibrio entre discriminación y calibración. Notablemente, modelos como LSSVM mostraron una alta sensibilidad pero fallaron en la especificidad, indicando un sesgo de clasificación.
• Importancia de las Características: El análisis SHAP identificó la edad, el sexo y el LDL-C como los predictores más significativos. Otros factores contribuyentes incluyeron la glucosa en sangre en ayunas, la presión arterial sistólica, la duración del sueño y el consumo de alimentos dulces.
• Interpretabilidad: El modelo identificó con éxito que los pacientes varones de edad avanzada con niveles elevados de LDL-C presentan el mayor riesgo. El análisis local de SHAP destacó la heterogeneidad en los factores de riesgo entre individuos, señalando que, si bien el LDL-C es generalmente un predictor positivo, su contribución puede variar debido a la confusión por tratamiento (p. ej., terapia de reducción de lípidos en pacientes con diagnóstico de CHD).
• Robustez: Un análisis de sensibilidad, relajando los criterios de selección de características, confirmó que el rendimiento discriminatorio y la utilidad clínica del modelo permanecieron estables, respaldando la robustez de los hallazgos principales.

Significancia y Reivindicaciones
Los autores afirman que este estudio establece un modelo predictivo basado en GRU e interpretable capaz de identificar pacientes con alto riesgo de CHD dentro de la población con DMT2 utilizando datos del mundo real de múltiples centros.

• Utilidad Clínica: El modelo está diseñado para servir como una herramienta de apoyo a la decisión para clínicos no especialistas, permitiendo el cribado temprano e intervenciones personalizadas sin la necesidad inmediata de procedimientos invasivos.
• Generalizabilidad: El estudio enfatiza la resiliencia del modelo ante la deriva de datos (data drift), evidenciada por su desempeño estable a través de cohortes de validación geográfica y temporalmente distintas, a pesar de la significativa heterogeneidad basal entre la población de entrenamiento y la de validación.
• Interpretabilidad: Al integrar SHAP, el modelo va más allá del enfoque de "caja negra", elucidando los roles críticos de las características demográficas, el metabolismo lipídico y los factores de estilo de vida en la predicción del riesgo de CHD.
• Limitaciones: Los autores reconocen modestamente las limitaciones, incluyendo la naturaleza retrospectiva del estudio, los posibles sesgos de selección y la exclusión de ciertas variables como el historial de medicación y los biomarcadores inflamatorios. Señalan que, aunque el modelo funciona bien con datos clínicos estructurados, es necesaria una validación prospectiva en cohortes a gran escala para una mayor confirmación.

En conclusión, el artículo postula que el modelo GRU desarrollado ofrece una solución confiable, calibrada e interpretable para la detección temprana de la enfermedad coronaria en pacientes con DMT2, cerrando la brecha entre las capacidades complejas del aprendizaje automático y la aplicación clínica práctica.