Stroke Prediction using Clinical and Social Features in Machine Learning

Immagina una biblioteca immensa dove ogni libro rappresenta la vita di una persona. L'obiettivo di questo articolo è trovare un modo per individuare rapidamente i pochi libri che stanno per "andare in pezzi" (rappresentando un ictus) prima che si rompano effettivamente, così da poterli riparare in tempo.

Ecco la storia di come l'autore ha cercato di costruire un sistema per fare esattamente questo, utilizzando tre diversi tipi di "bibliotecari" (modelli di machine learning).

Il Problema: Un Evento Raro

Ogni anno negli Stati Uniti, 800.000 persone hanno un ictus. È una persona ogni 40 secondi. L'autore osserva che gli ictus sono la seconda causa di morte e disabilità in tutto il mondo.

La sfida è che gli ictus sono rari rispetto alle persone che non li hanno. Nel set di dati utilizzato (circa 5.000 persone), solo circa 5 o 6 persone ogni 100 hanno effettivamente avuto un ictus. È come cercare di trovare una singola biglia rossa in un secchio di 20 biglie bianche.

L'autore voleva costruire un programma per computer che osservi le "statistiche" di una persona — cose come l'età, la pressione sanguigna, l'IMC (indice di massa corporea), il tipo di lavoro e se sono sposati — per indovinare se sono a rischio.

La Regola d'Oro: In questo progetto specifico, l'obiettivo più importante era evitare i Falsi Negativi.

• Falso Negativo: Il computer dice: "Sei al sicuro", ma la persona è in realtà a rischio. Questo è pericoloso perché la persona potrebbe continuare a tenere uno stile di vita non sano quando invece dovrebbe cambiarlo.
• Falso Positivo: Il computer dice: "Sei a rischio", ma la persona è in realtà al sicuro. Questo è fastidioso e dispendioso, ma l'autore ha deciso che è meglio essere prudenti piuttosto che sbadati.

I Tre "Bibliotecari" (I Modelli)

L'autore ha testato tre modi diversi affinché il computer possa fare queste previsioni:

1. La Calcolatrice Semplice (Regressione Logistica)

Pensa a questo modello come a una calcolatrice molto diretta. Prende tutti i numeri (età, peso, ecc.), assegna a ciascuno un "peso" o importanza specifica, li somma e restituisce una percentuale di probabilità di un ictus.

• Come funzionava: Era bravo a catturare le persone che hanno effettivamente avuto ictus (alta "recall"). Ha catturato circa il 76% dei casi reali.
• Il Probleo: Era un po' troppo paranoico. Gridava "Lupo!" troppo spesso. Su ogni 100 persone che segnalava come "a rischio", solo circa 16 erano effettivamente a rischio. Le altre 84 erano solo falsi allarmi.
• Cosa ha imparato: Ha confermato che l'età è il principale predittore di un ictus. Sorprendentemente, ha sminuito l'importanza dell'IMC (peso corporeo), il che contraddice ciò che dicono solitamente i medici.

2. Il Pensatore Profondo (Rete Neurale Densa)

Questo modello è come uno studente che ha frequentato molti corsi avanzati di matematica. Ha strati di "neuroni" che elaborano le informazioni in profondità, cercando schemi complessi che la calcolatrice semplice potrebbe mancare.

• Come funzionava: Era il modello più accurato in assoluto. Otteneva la risposta corretta circa l'86,5% delle volte. Era anche migliore nel non gridare "Lupo!" (maggiore precisione) rispetto alla calcolatrice semplice.
• Il Problema: Perdeva più casi di ictus reali rispetto alla calcolatrice semplice. Non riusciva a catturare circa la metà delle persone che avevano effettivamente bisogno di aiuto.
• Velocità: Era anche il più veloce da addestrare (imparare dai dati).

3. Il Rilevatore di Schemi (Rete Neurale Convoluzionale)

Questo modello viene solitamente usato per guardare le immagini (come riconoscere un gatto in una foto), ma l'autore ha provato a usarlo qui per trovare schemi nei dati.

• Come funzionava: Si è comportato in modo intermedio. Non era accurato quanto il "Pensatore Profondo", ma era migliore nel catturare i casi di amento effettivi rispetto al "Pensatore Profondo".
• Il Problema: Ha richiesto più tempo per l'addestramento e non è stato performante quanto gli altri due.

La Grande Rivelazione: Il Compromesso

L'articolo evidenzia una classica lotta nella medicina: Accuratezza vs Sicurezza.

• La Calcolatrice Semplice era ottima per la sicurezza (catturava quasi tutti i malati) ma scarsa per l'accuratezza (segnalava troppe persone sane).
• Il Pensatore Profondo era ottimo per l'accuratezza (raramente segnalava persone sane) ma scarso per la sicurezza (perdeva alcuni malati).

L'autore ha scoperto che, sebbene il "Pensatore Profondo" avesse il punteggio complessivo più alto, perdeva troppi casi di ictus reali per essere l'unico strumento da utilizzare se l'obiettivo è salvare vite.

La Soluzione Proposta: Un Lavoro di Squadra

Poiché nessun singolo modello era perfetto, l'autore suggerisce un approccio a "staffetta" per l'assistenza sanitaria:

1. Prima Fase: Usare la Calcolatrice Semplice per prima. Poiché cattura quasi tutti coloro che sono a rischio (anche se commette alcuni errori), agisce come una rete ampia per lo screening di tutti.
2. Seconda Fase: Se la Calcolatrice Semplice dice che qualcuno è a rischio, passa la persona al Pensatore Profondo. Questo modello può quindi effettuare un controllo più dettagliato e preciso per vedere se sono davvero a rischio, filtrando i falsi allarmi.
3. La Rete di Sicurezza: Il Rilevatore di Schemi (CNN) potrebbe essere usato come una terza opinione per ricontrollare i risultati.

Conclusione

L'articolo conclude che, per rendere questi modelli ancora migliori in futuro, abbiamo bisogno di più dati. Nello specifico, abbiamo bisogno di più informazioni sulle persone che hanno effettivamente avuto ictus, perché attualmente i dati sono troppo sbilanciati (troppe persone sane, troppe poche persone malate).

Fino ad allora, la strategia migliore non è scegliere un unico "vincitore", ma utilizzare una squadra di diversi modelli che lavorano insieme per garantire che nessuno a rischio scivoli tra le crepe.