🧬 biology

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

Cette étude présente un cadre XGBoost explicable pour la prédiction du risque d'anxiété et de dépression qui traite le déséquilibre des classes et la rigueur de l'évaluation tout en intégrant SHAP et le raisonnement contrefactuel afin de fournir des informations transparentes et interprétables sur les décisions du modèle sans remplacer le diagnostic clinique.

Auteurs originaux : Anima Dahal, Bibash Basnet

Publié 2026-09-25

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Anima Dahal, Bibash Basnet

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète

Dans le paysage moderne de la santé, l'intelligence artificielle est apparue comme un outil puissant pour passer au crible de vastes quantités de données humaines afin de déceler des schémas qui pourraient autrement rester cachés. Appliqués à la santé mentale, ces systèmes visent à analyser les réponses que les gens donnent à des questions sur leur vie, leurs habitudes et leurs sentiments pour repérer les signes précoces d'anxiété ou de dépression. Le défi, cependant, est que ces conditions sont complexes et souvent subtiles, et les données utilisées pour les étudier sont fréquemment déséquilibrées, avec beaucoup plus de personnes déclarant une bonne santé mentale que de personnes signalant des difficultés. De plus, un modèle informatique qui fait une prédiction est souvent une boîte noire ; il donne une réponse sans expliquer pourquoi, ce qui rend difficile pour les médecins de faire confiance à cette information ou de l'utiliser de manière responsable. Pour être véritablement utile, un système doit non seulement prédire le risque avec précision, mais aussi montrer son raisonnement, en révélant quels facteurs ont conduit à la décision et en garantissant qu'il traite les différents groupes de personnes de manière équitable.

Une équipe de chercheurs de l'Université de Nilai a développé un nouveau cadre conçu pour répondre précisément à ces défis. Ils ont construit un programme informatique sophistiqué capable d'évaluer le risque d'anxiété et de dépression en utilisant une large collection de réponses à des sondages et des détails personnels. Plutôt que de simplement entraîner un modèle à deviner correctement aussi souvent que possible, les chercheurs se sont concentrés sur la création d'un système transparent, fiable et soigneusement testé. Ils ont commencé avec un ensemble de données contenant des informations provenant de plus de 24 000 participants, incluant leurs réponses à des questionnaires standards sur le stress, le sommeil et l'humeur, ainsi que des détails tels que l'âge, le genre et le niveau d'éducation. Comme le nombre de personnes souffrant d'anxiété ou de dépression dans le groupe était bien plus faible que celui de personnes n'en souffrant pas, l'équipe a dû apprendre à l'ordinateur à prêter une attention particulière aux cas minoritaires, afin qu'il ne se contente pas de les ignorer pour obtenir un score global élevé.

Les chercheurs ont divisé leurs données en trois groupes distincts pour s'assurer que leurs résultats étaient honnêtes et non le fruit d'un coup de chance. Ils ont utilisé un premier groupe pour enseigner à l'ordinateur, un deuxième groupe pour affiner la manière dont le système prend ses décisions, et un troisième groupe, totalement isolé, de 3 644 personnes, pour tester le résultat final. Cette séparation stricte a empêché le système de mémoriser les réponses de test, un piège courant qui conduit à des résultats trop optimistes. Ils ont également ajusté le processus de prise de décision du système. Au lieu d'utiliser une règle standard où un score supérieur à cinquante pour cent compte comme un résultat positif, ils ont considérablement relevé la barre. Ils ont découvert qu'un seuil beaucoup plus élevé était nécessaire pour rendre les prédictions fiables, demandant de fait au système d'être très sûr de lui avant de signaler une personne comme étant à risque.

Lorsque le test final a été effectué sur le groupe isolé de 3 644 participants, le système a performé avec une précision remarquable. Pour l'anxiété, il a atteint une AUC de 0,98, et pour la dépression, il a atteint une AUC de 0,95. Plus important encore, le système ne s'est pas contenté de donner une réponse par oui ou par non ; il a fourni une explication claire de ses choix. En utilisant une méthode qui décompose l'influence de chaque question, les chercheurs ont découvert que les réponses liées au stress étaient les moteurs les plus puissants pour les prédictions d'anxiété et de dépression. Les questions relatives au sommeil ont également joué un rôle majeur, particulièrement pour la dépression. Le système pouvait montrer exactement comment les réponses spécifiques d'une personne poussaient le score final vers le haut ou vers le bas, permettant à un clinicien de voir la logique derrière l'évaluation du risque.

Pour tester davantage la logique du système, les chercheurs ont posé une question d'un autre type : que faudrait-il changer pour que l'ordinateur change d'avis ? Ils ont créé des scénarios hypothétiques où ils modifiaient légèrement les réponses d'une personne pour voir si le score de risque diminuerait. Ils ont découvert que le changement de quelques réponses clés, comme la réduction des niveaux de stress signalés ou l'amélioration de la qualité du sommeil dans les données, suffisait souvent à faire passer une personne d'une catégorie à haut risque à une catégorie inférieure. Cela a démontré que le modèle était sensible à des changements spécifiques et ne se contentait pas de faire des suppositions aléatoires. L'équipe a également vérifié que le système fonctionnait aussi bien pour les hommes que pour les femmes, constatant que si les chiffres exacts variaient légèrement, la capacité à distinguer entre un risque élevé et un risque faible restait constante selon le genre.

Les chercheurs soulignent que ce système n'est pas un remplacement pour le diagnostic d'un médecin. La santé mentale implique des facteurs personnels et contextuels profonds qu'un ordinateur ne peut pleinement saisir. Au contraire, ce cadre est conçu comme un outil d'aide à la décision, un moyen d'aider les praticiens à identifier les individus qui pourraient bénéficier d'un examen plus approfondi. En combinant une grande précision avec des explications claires et des tests rigoureux à travers différents groupes, l'étude offre une voie plus digne de confiance pour l'utilisation de l'intelligence artificielle dans le dépistage de la santé mentale. Elle montre que lorsque la technologie est construite avec soin et transparence, elle peut éclairer la voie vers de meilleurs soins sans perdre de vue la complexité humaine qui est au cœur de celle-ci.

Résumé Technique : Un cadre XGBoost explicable pour la prédiction des risques d'anxiété et de dépression

Énoncé du Problème
Bien que l'apprentissage automatique (ML) offre un potentiel pour l'identification précoce des risques d'anxiété et de dépression, les approches existantes privilégient souvent la performance prédictive globale au détriment de l'interprétabilité, de la robustesse et de l'évaluation systématique du modèle. Les limites courantes dans la littérature actuelle sur la prédiction de la santé mentale incluent :

Explicabilité insuffisante : Les modèles fonctionnent souvent comme des « boîtes noires », ne fournissant pas d'informations sur les facteurs spécifiques qui motivent les décisions individuelles.
Failles méthodologiques : De nombreuses études souffrent de fuite de données (data leakage), où l'ensemble de test est utilisé par inadvertance lors de l'optimisation des hyperparamètres, de la sélection des caractéristiques ou du réglage des seuils, conduisant à des estimations de performance trop optimistes.
Négligence de dimensions critiques d'évaluation : Des questions telles que le déséquilibre des classes, la calibration des probabilités, la sélection du seuil de décision et l'équité entre les sous-groupes sont fréquemment sous-traitées.
Absence de raisonnement contrefactuel : Peu d'études explorent comment des changements hypothétiques dans les caractéristiques d'entrée pourraient modifier les prédictions du modèle, limitant ainsi l'utilité des modèles pour comprendre la sensibilité de la décision.

Méthodologie
Les auteurs proposent un cadre complet, contrôlé contre la fuite de données, pour prédire les risques d'anxiété et de dépression en utilisant des données démographiques et des questionnaires psychologiques (PHQ-9, GAD-7, PSS, ISI). L'étude traite l'anxiété et la dépression comme deux tâches de classification binaire indépendantes ( $Y_A$ et $Y_D$ ) en utilisant un ensemble de données de 24 292 participants.

Partitionnement des données et prévention de la fuite : Le jeu de données a été strictement divisé en ensembles d'entraînement, de validation et de test isolés (3 644 participants). L'ensemble de test a été réservé exclusivement à l'évaluation finale et n'a pas été utilisé pour l'optimisation des hyperparamètres, la sélection des caractéristiques, la sélection du seuil ou la calibration.
Développement du modèle :
- Modèles de référence (Baselines) : La régression logistique (avec des poids de classes équilibrés) et la forêt aléatoire (Random Forest) ont été établies comme points de comparaison.
- Modèle principal : Des classificateurs XGBoost optimisés ont été développés pour les deux cibles. Les hyperparamètres ont été ajustés via une validation croisée à cinq plis sur l'ensemble d'entraînement, en utilisant la PR-AUC comme objectif d'optimisation pour traiter le déséquilibre des classes.
Optimisation du seuil : Au lieu de s'appuyer sur un seuil par défaut de 0,50, les seuils de décision ont été sélectionnés à l'aide de l'ensemble de validation. Un seuil de 0,90 a été choisi pour les deux modèles afin de équilibrer la précision et le rappel, reconnaissant le coût élevé des faux négatifs dans les contextes de dépistage.
Calibration des probabilités : Les modèles ont subi une calibration de probabilité (post-entraînement) pour garantir que les probabilités prédites reflètent les probabilités de résultats observées, évaluée à l'aide du score de Brier.
Explicabilité et raisonnement :
- SHAP (SHapley Additive exPlanations) : Utilisé pour le classement global des caractéristiques (valeurs SHAP absolues moyennes) et l'interprétation locale (graphiques en cascade ou waterfall plots) afin d'identifier les caractéristiques influentes et les moteurs de décision individuels.
- Analyse contrefactuelle : Génération de scénarios hypothétiques pour déterminer l'ensemble minimal de changements de caractéristiques requis pour déplacer une prédiction au-delà du seuil de décision de 0,90.
Analyse de sous-groupes : Les performances ont été évaluées à travers des sous-groupes démographiques (genre, éducation, habitudes) pour évaluer la cohérence et les problèmes potentiels d'équité, sans utiliser ces groupes pour l'optimisation du modèle.

Résultats Clés
Sur l'ensemble de test isolé de 3 644 participants, les modèles XGBoost optimisés ont démontré une discrimination et une fiabilité solides :

Métriques de performance (Seuil = 0,90) :
- Anxiété : Précision 97,59 %, ROC-AUC 0,9601, Précision 47,17 %, Rappel 60,98 %, F1-score 0,5319.
- Dépression : Précision 94,62 %, ROC-AUC 0,9386, Précision 50,25 %, Rappel 51,27 %, F1-score 0,5075.
- Note : La précision élevée reflète la classification correcte de la majorité de la classe négative ; les auteurs soulignent que la précision, le rappel et la PR-AUC sont critiques pour évaluer la performance sur les classes positives déséquilibrées.
Comparaison : Les modèles XGBoost optimisés ont surpassé la régression logistique, la forêt aléatoire et les configurations XGBoost par défaut, particulièrement en termes de ROC-AUC et de PR-AUC.
Calibration : La calibration a considérablement amélioré la fiabilité des probabilités, réduisant le score de Brier de 0,0542 à 0,0151 pour l'anxiété et de 0,0921 à 0,0355 pour la dépression, sans altérer la discrimination basée sur le classement (ROC-AUC/PR-AUC).
Importance des caractéristiques (SHAP) : Les caractéristiques liées au stress de l'échelle de stress perçu (PSS Q1, Q2, Q3) étaient les prédicteurs les plus influents pour les deux conditions. Les caractéristiques liées au sommeil (ISI) ont également contribué de manière notable, particulièrement pour la dépression.
Contrefactuels : L'analyse a montré que la modification de combinaisons spécifiques de scores PSS et ISI pouvait abaisser avec succès les probabilités prédites sous le seuil de 0,90, démontrant la sensibilité du modèle aux variations d'entrée.
Équité des sous-groupes : La discrimination (ROC-AUC) est restée globalement comparable entre les groupes de genre (ex. : ROC-AUC Anxiété : 0,9594 pour les femmes, 0,9612 pour les hommes), bien que des variations aient été observées dans les métriques de précision et de rappel.

Signification et Revendications
L'article affirme combler une lacune de la recherche en allant au-delà du simple rapport de précision pour fournir un cadre fiable, interprétable et systématiquement évalué. Ses principales contributions incluent :

Protocole d'évaluation rigoureux : En isolant strictement l'ensemble de test et en utilisant les données de validation pour toutes les étapes d'optimisation, l'étude fournit une estimation impartiale de la performance de généralisation.
Cadre holistique : L'intégration de la gestion du déséquilibre des classes, de l'optimisation du seuil, de la calibration des probabilités, des explications basées sur SHAP, du raisonnement contrefactuel et de l'analyse de sous-groupes offre une approche plus transparente de l'évaluation de la santé mentale assistée par l'IA que la seule performance prédictive.
Contextualisation clinique : Les auteurs déclarent explicitement que le cadre est destiné à être un outil de dépistage des risques et d'aide à la décision, et non un remplacement du diagnostic clinique. Le seuil de décision élevé (0,90) et l'accent mis sur l'explicabilité sont conçus pour aider les praticiens à prioriser les individus pour une évaluation plus approfondie tout en maintenant la transparence concernant les limites du modèle et la nature non causale des prédictions.

L'étude conclut que la combinaison de l'optimisation XGBoost avec ces techniques d'interprétabilité et d'évaluation améliore la fiabilité et l'utilité de l'IA dans l'évaluation des risques de santé mentale, à condition que le système soit utilisé aux côtés du jugement clinique professionnel.

Résumé Technique : Un cadre XGBoost explicable pour la prédiction des risques d'anxiété et de dépression

Articles similaires