ICU Mortality and LOS Prediction Models Using Machine Learning Based on Both Real and Synthetic Data

Résumé technique : Modèles de prédiction de la mortalité et de la durée de séjour en soins intensifs utilisant l'apprentissage automatique basé sur des données réelles et synthétiques

Énoncé du problème
Le développement de modèles d'apprentissage automatique (ML) précis pour les issues en unités de soins intensifs (USI) dans les milieux à faibles ressources, spécifiquement en Éthiopie, est entravé par deux défis principaux : la rareté des données d'entraînement de haute qualité et un déséquilibre de classe significatif. Dans la cohorte étudiée de 10 669 patients provenant de cinq hôpitaux publics éthiopiens, le taux de mortalité n'était que de 13,9 %, créant un déséquilibre sévère qui biaise généralement les modèles en faveur de la classe majoritaire (survie). De plus, les indices de gravité standards (ex. : SAPS-II, SOFA) sont souvent inapplicables dans ce contexte en raison de l'indisponibilité de tests de laboratoire spécifiques (ex. : gaz du sang artériel, bilirubine) et des contraintes de ressources affectant la rapidité des interventions. Bien que les architectures de deep learning (ex. : Transformers, TCN) excellent dans les environnements à hautes ressources avec des données de séries temporelles denses, elles sont limitées dans les contextes où les données sont éparses, tabulaires et souvent sur support papier. Cette étude répond au besoin d'outils prédictifs capables de fonctionner efficacement dans ces environages contraints par les données.

Méthodologie
L'étude a employé un plan expérimental comparatif rétrospectif utilisant des données de cinq hôpitaux publics en Éthiopie (calendrier éthiopien 2013–2016). Le jeu de données comprenait 10 669 dossiers de patients adultes en USI couvrant la démographie, les signes vitaux, les résultats de laboratoire et les issues.

1. Prétraitement et équilibrage des données :

   • Les dossiers présentant plus de 20 % de données manquantes dans les champs administrataux clés ont été supprimés.
   • Les valeurs numériques manquantes ont été imputées par la médiane ; les valeurs catégorielles par le mode.
   • Pour traiter le déséquilibre des classes, la classe majoritaire (survivants) a été sous-échantillonnée, créant un ensemble d'entraînement équilibré de 2 942 patients (50 % de mortalité). Ce processus a écarté 7 631 dossiers originaux.
   • Les valeurs aberrantes ont été plafonnées au 1er et au 99e percentile, et les caractéristiques catégorielles ont été encodées par étiquetage (label-encoding).

2. Génération de données synthétiques :
   Trois algorithmes distincts ont été évalués pour générer des données synthétiques afin d'augmenter le jeu de données réelles :

   • SMOTE-NC (Synthetic Minority Over-sampling Technique for Nominal and Continuous) : Utilise l'interpolation linéaire entre les instances minoritaires existantes et leurs k-plus proches voisins. Il est efficace en termes de calcul (2,1 s) et déterministe.
   • CTGAN (Conditional Tabular Generative Adversarial Network) : Une architecture générateur-discriminateur conçue pour les distributions tabulaires non linéaires complexes. Il est gourmand en calcul (187,4 s) et stochastique.
   • Auto-encodeur Variationnel (VAE) : Un modèle de variable latente probabiliste. Il a peiné avec les types de données mixtes dans cette implémentation spécifique, entraînant une faible performance.

3. Plan expérimental :
   Les modèles ont été entraînés sous trois configurations :

   • Réel uniquement (RO) : Entraînement exclusivement sur des données réelles.
   • Synthétique uniquement (SO) : Entraînement exclusivement sur des données synthétiques.
   • Hybride (HY) : Entraînement sur une combinaison de 80 % de données réelles et 20 % de données synthétiques.

4. Algorithmes d'apprentissage automatique :
   Trois algorithmes ont été testés pour la classification (Mortalité) et la régression (Durée de séjour - LOS) :

   • Régression logistique (Base de référence)
   • Forêt aléatoire (Random Forest)
   • XGBoost

5. Validation :
   Un fractionnement (split) stratifié 80/20 avec maintien de l'ensemble (hold-out) a été utilisé, l'ensemble de test (n=589) étant mis de côté jusqu'à l'évaluation finale. La performance a été évaluée via l'Exactitude (Accuracy), le score F1, l'AUC pour la mortalité, et l'Erreur Absolue Moyenne (MAE) ainsi que le R² pour la LOS. La stabilité a été vérifiée via une validation croisée stratifiée répétée 5×5.

Résultats clés

• Qualité des données synthétiques :

  • CTGAN a démontré une utilité descendante supérieure, atteignant une exactitude de 91,7 % sur un test réel (contre 86,4 % pour SMOTE-NC), bien qu'il nécessite un temps d'entraînement nettement plus long.
  • VAE n'a pas réussi à produire un pouvoir prédictif (exactitude de 51,6 %, comparable à un choix aléatoire) et a été exclu des expériences hybrides ultérieures.
  • SMOTE-NC offrait un équilibre pragmatique entre la préservation de la corrélation et l'efficacité de calcul.

• Prédiction de la mortalité :

  • Les modèles hybrides ont systématiquement surpassé les modèles basés uniquement sur des données réelles ou synthétiques.
  • Le meilleur modèle performant était CTGAN + XGBoost dans la configuration hybride, atteignant une exactitude de 0,998 (IC 95 % : 0,995–1,000), un score F1 de 0,996 et une AUC de 0,99.
  • SMOTE-NC + Random Forest a également atteint une exactitude élevée (0,996).
  • Note : Les auteurs mettent explicitement en garde contre ces chiffres d'exactitude élevés, car ils reposent sur un ensemble de test artificiellement équilibré (50 % de mortalité) et ne reflètent pas les distributions de classes du monde réel.

• Prédiction de la durée de séjour (LOS) :

  • CTGAN + XGBoost dans la configuration hybride a obtenu la meilleure performance avec une MAE de 4,08 jours (IC 95 % : 3,58–4,67) et un R² de 0,601.
  • CTGAN + Random Forest entraîné sur des données synthétiques uniquement a étonnamment surpassé les bases de référence réelles (MAE 3,76 jours), suggérant que le CTGAN a réussi à préserver des motifs temporels cliniquement significatifs.

• Importance des caractéristiques :

  • L'oxygénation est apparue comme le prédicteur dominant. Le besoin en oxygène (r = 0,327) et la SpO2 (r = 0,299) sont les variables les mieux classées.
  • L'hémoglobine a montré une association négligeable avec la mortalité (r = -0,023, rang 15/19).
  • L'âge n'était pas un prédicteur statistiquement significatif (p = 0,39).
  • L'analyse SHAP a confirmé que les variables d'oxygénation pilotent le risque de mortalité plus que l'hémoglobine ou l'âge dans ce groupe spécifique.

Signification et affirmations
L'article affirme apporter trois contributions principales :

1. Performance comparative : Il fournit une comparaison systématique des modèles d'apprentissage automatique à travers des configurations de données réelles, synthétiques et hybrides dans un contexte de ressources limitées en Éthiopie.
2. Prédicteurs spécifiques au contexte : Il identifie des prédicteurs cliniques spécifiques au contexte des USI éthiopiens, soulignant notamment l'oxygénation comme facteur critique tout en remettant en question la signification de l'hémoglobine et de l'âge trouvée dans d'autres études.
3. Développement de prototype : Il a développé un prototype interactif Streamlit pour visualiser les informations du modèle, l'importance des caractéristiques et les scénarios « what-if » pour les parties prenantes de la santé.

Les auteurs soulignent que le modélisation hybride (combinant des données réelles et synthétiques) est une solution viable pour créer des modèles de prédiction efficaces dans les contextes à ressources limitées où les données sont rares et déséquilibrées. Ils soutiennent que l'augmentation des données synthétiques peut améliorer la discrimination des modèles sans introduire de biais significatif, à condition que la méthode de génération (ex. : CTGAN ou SMOTE-NC) soit validée pour l'utilité descendante.

Modestie et limites
L'article maintient un ton modeste concernant la maturité clinique :

• Statut de validation : Les résultats sont basés sur une validation interne (données rétrospectives de cinq hôpitaux). Les auteurs précisent explicitement que l'exactitude élevée (99,5 %) est probablement optimiste en raison de l'équilibrage artificiel de l'ensemble de test et de l'absence de validation externe sur d'autres institutions.
• Utilité clinique : Le prototype est décrit comme une « preuve de concept » destinée à la démonstration de recherche et à la génération d'hypothèses uniquement. Il n'est pas approuvé pour un usage clinique et ne doit pas informer les décisions de soins aux patients.
• Généralisabilité : Les conclusions sont spécifiques aux hôpitaux tertiaires publics d'Éthiopie et ne doivent pas être généralisées aux hôpitaux privés, aux installations rurales ou à d'autres pays sans recalibrage et validation externe.
• Causalité : Les auteurs précisent que les valeurs SHAP et l'importance des caractéristiques indiquent une association, et non une causalité. Les relations observées (ex. : entre la SpO2 et la mortalité) sont confondues par des facteurs non mesurés tels que le délai d'intervention et la disponibilité des ressources.

L'étude conclut que si l'augmentation des données synthétiques montre des promesses pour surmonter la rareté des données, la validation externe prospective et les essais de science de l'implémentation sont des prérequis avant tout déploiement clinique.