Explainable Machine Learning for Diabetes Risk Prediction: Development of a Baseline Predictive Engine for the Wo’tosuga Digital Health Platform Targeting African Populations

Technische Samenvatting: Uitlegbare Machine Learning voor Diabetesrisicovoorspelling op het Wo'tosuga-platform

Probleemstelling
Diabetes mellitus vormt een snel escalerende volksgezondheidscrisis in sub-Sahara Afrika, waarbij naar schatting 54% van de getroffen individuen niet gediagnosticeerd is. Conventionele laboratoriumgebaseerde screening (bijv. nuchtere plasma-glucose, HbA1c) is vaak ontoegankelijk vanwege infrastructurele, financiële en geografische beperkingen. Hoewel machine learning (ML) een schaalbaar, niet-invasief alternatief biedt met behulp van zelfgerapporteerde variabelen, lijden bestaande predictieve modellen aan twee kritieke beperkingen:

1. Datageneralisatie: De meeste modellen zijn getraind op Noord-Amerikaanse of Europese datasets (bijv. Pima Indian, US BRFSS), wat hun toepasbaarheid op Afrikaanse populaties beperkt vanwege verschillen in de distributie van risicofactoren en fenotypische kenmerken.
2. Evaluatiemetrieken: De literatuur leunt voornamelijk op algemene nauwkeurigheid (accuracy) of AUC-ROC, wat ongepast is voor ongebalanceerde screeningsopdrachten. In omgevingen met beperkte middelen is de klinische prioriteit het maximaliseren van sensitiviteit (het identificeren van werkelijk risicovolle individuen) om gemiste diagnoses te voorkomen, in plaats van het maximaliseren van nauwkeurigheid, wat vaak de meerderheidsklasse bevoordeelt.

Methodologie
Deze studie vestigt een Fase 1 baseline predictieve engine voor het digitale gezondheidsplatform Wo'tosuga met behulp van een rigoureuze, reproduceerbare pipeline:

• Databron: De studie maakte gebruik van drie cycli (2019, 2021, 2023) van het Amerikaanse Behavioral Risk Factor Surveillance System (BRFSS), wat een analytische dataset van 869.319 respondenten opleverde.
• Preprocessing:
  • Feature Selectie: 21 predictieve kenmerken werden behouden na het verwijderen van variabelen met >50% ontbrekende gegevens.
  • Target Recodering: Pre-diabetische gevallen werden geherclassificeerd als diabetisch (positieve klasse) om aan te sluiten bij het klinische doel om alle risicovolle individuen te signaleren voor interventie.
  • Klassenonbalans: De dataset vertoonde een onbalans van ongeveer 5,4:1 (84,4% niet-diabetisch versus 15,6% diabetisch). In plaats van synthetische oversampling (SMOTE), maakte de studie gebruik van cost-sensitive learning (bijv. class_weight='balanced', scale_pos_weight) om natuurlijke waarschijnlijkheidsdistributies te behouden.
  • Feature Engineering: Categorische variabelen (burgerlijke staat/werkstatus) werden samengevoegd voor interpreteerbaarheid; een sociaaleconomische tier-variabele werd afgeleid om overdraagbaar te zijn naar niet-Amerikaanse contexten.
• Modelontwikkeling:
  • Acht algoritmen werden geëvalueerd: Logistische Regressie, Decision Tree, Extra Trees, Gradient Boosting, AdaBoost, XGBoost, LightGBM en K-Nearest Neighbors.
  • Optimalisatie: Hyperparameter-tuning werd uitgevoerd via GridSearchCV met 3-voudige cross-validatie, waarbij expliciet werd geoptimaliseerd voor recall (sensitiviteit).
  • Evaluatie: Sensitiviteit werd aangewezen als de primaire metriek, naast specificiteit, PPV, NPV, F1-score, AUC-ROC en Brier-score.
• Uitlegbaarheid: SHAP (SHapley Additive exPlanations) waarden werden berekend met behulp van het TreeExplainer-algoritme om globale feature-belangrijkheid en lokale predictieve bijdragen te bepalen.

Belangrijkste Resultaten

• Modelprestaties: LightGBM kwam naar voren als het superieure algoritme. Na hyperparameter-tuning en hertraining op de volledige dataset bereikte het uiteindelijke model:
  • Sensitiviteit: 0,809 (80,9% van de werkelijke diabetici correct geïdentificeerd).
    • Specificiteit: 0,701.
  • AUC-ROC: 0,828.
  • Negatieve Voorspellende Waarde (NPV): 0,952.
  • Opmerking: Hoewel Gradient Boosting een vergelijkbare AUC-ROC (0,826) bereikte, was de sensitiviteit ervan kritiek laag (0,190), waardoor het klinisch ongeschikt is voor screening ondanks de hoge nauwkeurigheid.
• Vergelijkingsmateriaal: XGBoost (Sensitiviteit: 0,806) en Logistische Regressie (Sensitiviteit: 0,779) dienden als sterke comparatoren, wat suggereert dat het predictieve signaal in deze dataset grotendeels wordt gevangen door een kleine set lineair scheidbare risicofactoren.
• Feature Belangrijkheid: SHAP-analyse identificeerde de top vijf voorspellers, consistent over zowel LightGBM als Logistische Regressie:
  1. Leeftijd
  2. Zelfgerapporteerde algemene gezondheid
  3. BMI
  4. Bloeddrukstatus
  5. Tijd sinds laatste medische controle
• Interpreteerbaarheid: Het model vertoonde klinisch coherente patronen (bijv. monotone risicotoename met leeftijd en BMI; een inverse relatie tussen de beoordeling van de algemene gezondheid en het risico). Opvallend genoeg toonde de sociaaleconomische tier-variabele een verwaarloosbare belangrijkheid, waarschijnlijk door de grove aard van de afgeleide metriek.

Significantie en Claims
Het artikel positioneert dit werk niet louter als een predictieve modelleringsoefening, maar als de fundamentele infrastructuur voor een translationele onderzoeksloop die ontworpen is om de "Afrikaanse medische datakloof" aan te pakken.

1. Klinische Bruikbaarheid als Triage-instrument: Het model wordt expliciet geframed als een screening- en triage-instrument, niet als een diagnostisch instrument. De hoge NPV (0,952) wordt benadrukt als de meest klinisch significante metriek voor omgevingen met beperkte toegang, wat betrouwbare geruststelling biedt bij negatieve resultaten en de prioritering van positieve gevallen voor schaarse laboratoriumbronnen mogelijk maakt.
2. De "Wo'tosuga Onderzoeksloop": De auteurs erkennen dat het uitsluitend trainen op Amerikaanse data een primaire beperking is. Echter, zij herformuleren dit als de centrale motivatie voor de architectuur van het platform. Het Wo'tosuga-platform integreert een anoniem mechanisme voor datadonatie, waardoor gebruikers hun risicofactoren en voorspellingen kunnen bijdragen. Dit creëert een zelfverbeterende cyclus waarbij de door de VS getrainde baseline directe inzet mogelijk maakt, terwijl de resulterende gebruikersinteracties de Afrika-specifieke data genereren die nodig is om toekomstige modeliteraties te hertrainen en te valideren.
3. Methodologische Rigor: De studie benadrukt het cruciale belang van metriekselectie in klinische AI. Door prioriteit te geven aan sensitiviteit boven nauwkeurigheid, demonstreert het onderzoek dat modellen die onder standaardbenchmarks "competitief" lijken, klinisch gevaarlijk kunnen zijn als ze er niet in slagen de meerderheid van de risicovolle individuen te detecteren.

Concluderend stelt het artikel een reproduceerbare, uitlegbare baseline (LightGBM, Sensitiviteit ~0,81, NPV ~0,95) vast voor diabetesrisicostratificatie. De primaire bijdrage is het architecturale ontwerp van een digitaal gezondheidsplatform dat tegelijkertijd fungeert als een klinisch screeningsinstrument en een dataverzameling-engine om de kloof in Afrika-specifieke gezondheidsdata progressief te dichten.