Chagas Disease Detection Using Optimized XGBoost and Explainable AI

La maladie de Chagas est une menace silencieuse qui affecte des millions de personnes, particulièrement en Amérique latine. Elle est causée par un parasite microscopique qui pénètre dans le corps et peut rester dormant pendant des années, ne présentant souvent aucun symptôme. Le danger réside dans ce qui se passe plus tard : le parasite peut endommager lentement le cœur, entraînant des rythmes irréguliers, une insuffisance cardiaque et un type spécifique de maladie chronique du muscle cardiaque. Comme les premières étapes sont si discrètes, détecter la maladie avant que des dommages cardiaques graves ne surviennent est extrêmement difficile. Les médecins s'appuient sur les électrocardiogrammes, ou ECG, qui sont des tests simples et non invasifs enregistrant l'activité électrique du cœur. Ces tests sont peu coûteux et largement disponibles, ce qui en fait un outil de dépistage idéal, mais leur lecture nécessite un œil exercé, et les signes subtils de la maladie peuvent facilement être manqués, surtout dans les zones où les ressources médicales sont rares.

Ces dernières années, les scientifiques se sont tournés vers l'informatique pour aider à repérer ces schémas cachés. Bien que les systèmes informatiques avancés connus sous le nom d'apprentissage profond (deep learning) aient montré des promesses dans l'analyse des signaux cardiaques, ils agissent souvent comme des « boîtes noires ». Ils peuvent faire une prédiction, mais ils ne peuvent pas expliquer pourquoi ils sont arrivés à cette conclusion. Pour qu'un médecin puisse faire confiance au diagnostic d'un ordinateur, il doit comprendre le raisonnement derrière celui-ci. Une équipe de chercheurs de l'Université de Nilai a développé une nouvelle approche qui comble cette lacune. Ils ont créé un système qui non seulement prédit la présence de la maladie de Chagas avec une grande précision, mais explique également exactement quelles parties du signal électrique du cœur ont conduit à cette décision. Leur travail combine un algorithme informatique puissant et efficace avec une méthode qui traduit la logique de l'ordinateur en informations claires et compréhensibles par l'homme.

Les chercheurs ont commencé par une vaste collection de données cardiaques provenant d'une base de données publique appelée CODE-15 %. Cet ensemble de données contenait des dossiers de plus de 13 000 patients, chacun comportant une liste détaillée de mesures prises à partir de leurs ECG, telles que le minutage des ondes électriques et la variabilité de la fréquence cardiaque. Pour rendre ces données encore plus utiles, l'équipe les a fusionnées avec un autre fichier contenant des indicateurs médicaux spécifiques, tels que la présence d'un blocage de la voie électrique du côté droit ou gauche du cœur, ou si le rythme cardiaque était normal. Ils ont ensuite créé de nouvelles caractéristiques personnalisées en combinant ces chiffres existants de manières qui pourraient révéler des connexions cachées, comme l'examen du rapport entre différents intervalles de temps dans le battement cardiaque. Ce processus a enrichi l'ensemble de données, transformant des chiffres bruts en un tableau plus riche de la santé cardiaque.

Une fois les données préparées, l'équipe a testé trois types différents de modèles d'apprentissage automatique pour voir lequel pouvait le mieux distinguer les patients atteints de la maladie de Chagas de ceux qui ne le sont pas. Ils ont essayé un modèle simple et direct, un modèle complexe qui construit de nombreux arbres de décision, et un modèle hautement avancé connu sous le nom d'XGBoost. Le modèle avancé s'est avéré être le plus efficace. Pour l'améliorer davantage, les chercheurs ont utilisé un outil spécialisé pour ajuster automatiquement ses paramètres, effectuant des centaines d'essais pour trouver la combinaison parfaite de paramètres. Ce processus d'optimisation a permis au modèle d'apprendre plus efficacement à partir des données, améliorant sa capacité à repérer les signes subtils de la maladie.

Les résultats ont montré que ce système optimisé pouvait identifier correctement la maladie dans environ 74 % des cas et possédait une forte capacité à séparer les patients malades des patients sains. Bien que d'autres études utilisant des réseaux d'apprentissage profond massifs et complexes aient obtenu des scores similaires, ce nouveau système est beaucoup plus simple et beaucoup plus rapide à exécuter. Plus important encore, les chercheurs ne se sont pas arrêtés à l'obtention d'un chiffre. Ils ont appliqué une technique appelée SHAP au modèle final, qui agit comme un projecteur sur le processus de prise de décision. Cet outil a révélé quels facteurs étaient les plus importants pour le diagnostic. Il a montré que l'âge du patient était l'indice le plus important, suivi de près par la présence d'un bloc électrique spécifique du côté droit du cœur. Il a également souligné qu'un ECG normal était un signe fort de l'absence de la maladie.

Le système est allé plus loin en fournissant des explications pour des patients individuels. Pour une personne spécifique, le modèle pouvait montrer que son risque élevé était dicté par une combinaison de son âge et d'une différence significative entre son âge réel et l'âge que son cœur semblait avoir en fonction de son activité électrique. Ce niveau de détail est crucial car il permet aux médecins de voir les preuves derrière la prédiction, plutôt que de simplement accepter une réponse par oui ou par non. Les chercheurs ont constaté que les facteurs les plus influents, tels que l'âge et les blocs électriques spécifiques, s'alignent parfaitement avec ce que la science médicale sait déjà de la façon dont la maladie de Chagas endommage le cœur. En combinant un fort pouvoir prédictif avec des explications claires, l'équipe a créé un outil qui est non seulement précis, mais aussi assez fiable pour être utilisé dans des cliniques du monde réel.

Ce travail suggère que les outils informatiques sophistiqués n'ont pas besoin d'être mystérieux pour être utiles. En se concentrant sur un modèle qui peut être compris et optimisé pour l'efficacité, les chercheurs ont offert une solution pratique pour la détection précoce dans les zones à ressources limitées. Le système est déjà disponible sous la forme d'une application web où les utilisateurs peuvent saisir des données cliniques et recevoir une prédiction instantanée ainsi qu'une explication détaillée des facteurs impliqués. Bien que l'étude reconnaisse que des tests sur des groupes de personnes encore plus larges et plus diversifiés seraient précieux à l'avenir, les conclusions actuelles démontrent qu'une approche équilibrée, qui valorise à la fois la performance et la transparence, peut lutter efficacement contre cette maladie tropicale négligée.