Explainable AI for Chronic Kidney Disease Prediction Using Simulated Federated Learning

Résumé Technique : IA explicable pour la prédiction de l'insuffisance rénale chronique par apprentissage fédéré simulé

Énoncé du problème
L'insuffisance rénale chronique (IRC) représente un défi majeur de santé publique, caractérisé par une perte progressive de la fonction rénale. La détection précoce est cruciale pour prévenir les complications graves et améliorer les résultats cliniques. Cependant, le développement de modèles de prédiction fiables nécessite souvent l'agrégation de données sensibles de patients provenant de multiples institutions de santé, ce qui soulève d'importantes préoccupations en matière de confidentialité. Les approches traditionnelles d'apprentissage automatique centralisé nécessitent le partage de données brutes avec des tiers, créant ainsi des barrières à la collaboration et à la sécurité des données. De plus, bien que des algorithmes de haute précision existent, la nature de « boîte noire » de nombreux algorithmes avancés entrave la confiance et l'adoption dans les contextes cliniques où la transparence est primordiale.

Méthodologie
Cette étude propose un cadre qui intègre l'apprentissage fédéré (Federated Learning - FL) avec des méthodes d'apprentissage automatique d'ensemble et l'IA explicable (XAI) pour prédire l'IRC tout en préservant la confidentialité des données. La méthodologie se déroule selon les étapes suivantes :

1. Jeu de données et prétraitement : La recherche a utilisé un ensemble de données cliniques de 400 dossiers de patients contenant 14 variables prédictives médicales (ex. : pression artérielle, hémoglobine, créatinine sérique) et une étiquette de classe binaire. Pour remédier au déséquilibre des classes (62,5 % IRC contre 37,5 % non-IRC), la technique SMOTE (Synthetic Minority Over-sampling Technique) a été appliquée, élargissant le jeu de données à 500 échantillons.
2. Architecture d'apprentissage fédéré : L'étude a simulé un environnement fédéré avec trois clients distincts. Le jeu de données a été partitionné en trois sous-ensembles via une division stratifiée afin de préserver la distribution des classes.
   • Entraînement local : Chaque client a entraîné des modèles locaux en utilisant trois algorithmes d'ensemble : Random Forest (RF), AdaBoost et XGBoost.
   • Optimisation : GridSearchCV a été employé du côté client pour automatiser le réglage des hyperparamètres et prévenir le surapprentissage.
   • Sélection de modèle : Pour chaque client, l'algorithme produisant la plus haute précision sur l'ensemble de test local a été sélectionné comme modèle local optimal.
3. Agrégation globale : Un serveur central a agrégé les modèles locaux sélectionnés à l'aide d'un VotingClassifier pondéré. Les poids attribués à chaque modèle étaient proportionnels à leurs précisions respectives sur les tests locaux, garantissant que les modèles les plus performants exercent une influence plus grande sur la prédiction globale.
4. Explicabilité : Pour renforcer la transparence, les explications locales interprétables et indépendantes du modèle (LIME - Local Interpretable Model-agnostic Explanations) ont été appliquées pour interpréter les prédictions du modèle global, identifiant les contributions des caractéristiques pour des instances individuelles.
5. Évaluation : Le système a été évalué selon la précision (Accuracy), le rappel (Recall), la précision (Precision) et le score F1, parallèlement à une validation croisée à 5 plis (5-fold cross-validation) pour évaluer la généralisation.

Principales contributions

• Apprentissage d'ensemble préservant la confidentialité : L'étude démontre un cadre de FL simulé où RF, AdaBoost et XGBoost sont combinés sans partage de données brutes de patients, répondant ainsi aux contraintes de confidentialité.
• Optimisation de modèle hybride : En utilisant GridSearchCV pour l'optimisation locale des paramètres et un VotingClassifier pondéré pour l'agrégation globale, l'approche tire parti des forces de multiples méthodes d'ensemble.
• Intégration de l'XAI : L'incorporation de LIME apporte de l'interprétabilité, permettant aux parties prenantes de comprendre le raisonnement derrière les prédictions d'IRC, en mettant particulièrement en évidence la contribution de variables telles que le taux d'hémoglobine et le taux de sucre.

Résultats

• Performance locale : Dans les clients simulés, Random Forest a atteint une précision de 100 % pour tous les indicateurs pour le Client 1. Pour les Clients 2 et 3, les meilleurs modèles (AdaBoost et XGBoost, respectivement) ont atteint environ 97 % de précision, 100 % de rappel, 94 % de précision et 97 % de score F1.
• Performance du modèle global : Le modèle global agrégé a atteint une précision moyenne de 99 %. Plus précisément, pour la Classe 0 (non-IRC), le modèle a atteint 98 % de précision et 100 % de rappel. Pour la Classe 1 (IRC), il a atteint 100 % de précision et 98 % de rappel. Le score F1 pour les deux classes était de 99 %.
• Validation croisée : La validation croisée à 5 plis a confirmé la robustesse du modèle, avec des scores de précision allant de 96 % à 100 % à travers les plis, les plis 3 et 5 atteignant 100 %.
• Importance des caractéristiques : L'analyse LIME a révélé que les niveaux d'hémoglobine (spécifiquement l'intervalle 11,30 < Hemo ≤ 13,23) et l'état d'hypertension étaient des contributeurs significatifs au processus de décision du modèle.

Signification et affirmations
L'article affirme que le cadre proposé équilibre avec succès une haute performance prédictive avec la confidentialité des données et l'interprétabilité du modèle. En atteignant 99 % de précision, l'étude souligne le potentiel des modèles d'apprentissage fédéré interprétables pour soutenir le diagnostic précoce de l'IRC sans compromettre la confidentialité des patients. Les auteurs soutiennent que cette approche fait progresser les solutions de santé fondées sur les données en offrant une alternative fiable, transparente et préservant la vie privée par rapport à la collecte de données centralisée. L'étude conclut que de tels modèles peuvent réduire la dépendance aux tests cliniques approfondis pour la détection précoce, tout en notant que des travaux futurs sont nécessaires pour valider ces résultats sur des ensembles de données plus larges et plus diversifiés afin d'assurer une application clinique plus étendue.