GRASP: group-Shapley feature selection for patients

1. Formulação do Problema

Na predição médica, dados fenotípicos de alta dimensão (provenientes de registros eletrônicos de saúde, imagens e dispositivos vestíveis) apresentam desafios significativos para a descoberta de conhecimento devido ao ruído e à dimensionalidade. Os métodos existentes de seleção de características sofrem com várias limitações críticas:

• Instabilidade e Redundância: Métodos como LASSO frequentemente produzem conjuntos de características instáveis em diferentes divisões de dados e falham em lidar efetivamente com a multicolinearidade.
• Falta de Interpretabilidade: Embora ferramentas post-hoc como SHAP ofereçam insights, elas são frequentemente desconectadas do processo de seleção, tornando difícil alinhar as características selecionadas com mecanismos de doença específicos.
• Relevância Clínica: Muitas abordagens priorizam a acurácia preditiva em detrimento da interpretabilidade e estabilidade clínicas, que são cruciais para a adoção médica.

Os autores propõem o GRASP (Seleção de Características SHAPLEY GRUPAL para Pacientes) para abordar essas lacunas, unificando desempenho preditivo, estabilidade e interpretabilidade clínica.

2. Metodologia

O GRASP é um novo framework que acopla atribuição baseada em valores de Shapley com regularização em grupo L2,1 dentro de um framework de regressão logística penalizada. O fluxo de trabalho consiste em três etapas principais:

A. Cálculo de Importância das Características (Integração SHAP)

1. Pré-treinamento: Um classificador XGBoost é treinado na dobra de treinamento.
2. Cálculo SHAP: Os valores SHAP são computados em uma dobra de validação retida para determinar a contribuição de cada característica.
3. Agregação em Grupo: As características são particionadas em $G$ grupos disjuntos. A importância de um grupo ($s_g$) é calculada como a média dos valores absolutos SHAP de suas características membros.
4. Transformação de Pesos: As pontuações de importância do grupo são transformadas em pesos de penalidade ($\omega_g$) usando uma função de decaimento exponencial:
   $$\tilde{\omega}_g = \exp(-s_g/\tau_0) + \epsilon$$
   Isso garante que grupos com maiores pontuações SHAP (maior importância) recebam pesos de penalidade menores, tornando-os mais propensos a serem retidos.

B. Construção da Função de Perda

O GRASP emprega uma regressão logística regularizada por Grupo L2,1. A função objetivo $J(\beta)$ combina a perda de entropia cruzada com uma penalidade de esparsidade estruturada:
$$J(\beta) = L(\beta) + \lambda \sum_{g=1}^{G} \omega_g \|\beta_g\|_2$$

• $L(\beta)$: Perda padrão de entropia cruzada para classificação binária.
• $\|\beta_g\|_2$: A norma euclidiana do vetor de coeficientes para o grupo $g$.
• Efeito: Esta penalidade impõe esparsidade em nível de grupo (grupos inteiros são selecionados ou descartados) enquanto permite coeficientes densos dentro dos grupos selecionados. Isso lida com a multicolinearidade mantendo características correlacionadas juntas.

C. Otimização

O objetivo é otimizado usando um algoritmo de gradiente proximal com busca de linha backtracking de Armijo:

1. Etapa de Gradiente: Atualiza os coeficientes com base no gradiente da função de perda.
2. Etapa Proximal: Aplica o operador de soft-thresholding em grupo para impor esparsidade.
3. Tamanho de Passo Adaptativo: O tamanho do passo é ajustado dinamicamente para garantir diminuição suficiente na função objetivo.
4. Seleção: Grupos com normas não nulas ($\|\beta_g\|_2 > 0$) são retidos; todas as outras características são descartadas.

3. Principais Contribuições

1. Framework Unificado: Primeiro a acoplar atribuição de características baseada em SHAP diretamente com regularização, permitindo que o algoritmo de otimização preserve inerentemente características clinicamente interpretáveis.
2. Mecanismo de Seleção Agrupada: Introduz uma estratégia onde características correlacionadas entram ou saem do modelo juntas, melhorando significativamente a estabilidade e a generalização.
3. Avaliação Abrangente: Vai além de métricas simples de acurácia para avaliar redundância (VIF, correlação), estabilidade (Índice Jaccard, Medida de Estabilidade Ajustada) e alinhamento clínico (análise de limiar).

4. Resultados Experimentais

O estudo foi avaliado em dois conjuntos de dados em grande escala: NHANES (desenvolvimento) e UK Biobank (validação externa). O GRASP foi comparado com LASSO, seleção SHAP padrão e o algoritmo AFS.

• Eficiência do Conjunto de Características: O GRASP selecionou o menor conjunto de características (23 características em média) comparado ao LASSO (44), SHAP (43) e AFS (59).
• Estabilidade e Redundância:
  • Estabilidade: O GRASP alcançou a maior Medida de Estabilidade Ajustada (0,593), superando significativamente o LASSO (0,382) e o SHAP (0,398).
  • Redundância: O GRASP teve o menor Fator de Inflação de Variância (VIF = 2,942), enquanto LASSO e SHAP exibiram multicolinearidade (marcado como "—" nos resultados).
• Desempenho Preditivo:
  • O GRASP alcançou acurácia comparável ou superior em modelos de Regressão Logística, Random Forest e XGBoost em ambos os conjuntos de dados NHANES e UKB.
  • No conjunto de dados UKB, o GRASP manteve alta acurácia (0,755 para RL) com menos características, demonstrando generalização robusta.
• Interpretabilidade Clínica:
  • A análise da Lactato desidrogenase (LDH) mostrou que o GRASP identificou um ponto de transição de 168,8 U/L, que estava mais próximo dos limiares clínicos estabelecidos em comparação com LASSO (144,66 U/L) e SHAP (144,04 U/L).
  • Curvas de calibração e análises de sobrevivência de Kaplan-Meier confirmaram que o GRASP forneceu melhor estratificação de risco e alinhamento com riscos clínicos observados.

5. Significado

O GRASP representa um avanço significativo no aprendizado de máquina médico, preenchendo a lacuna entre poder preditivo e interpretabilidade clínica.

• Robustez: Ao impor esparsidade em grupo e alavancar valores SHAP para ponderação, supera os problemas de instabilidade e redundância comuns no LASSO.
• Utilidade Clínica: O método produz conjuntos de características que não são apenas precisos, mas também se alinham melhor com mecanismos biológicos conhecidos e limiares clínicos, facilitando a confiança e a adoção em ambientes de saúde.
• Escalabilidade: O uso de otimização por gradiente proximal torna o método computacionalmente viável para dados de registros eletrônicos de saúde em grande escala.

Os autores concluem que o GRASP oferece uma solução estável, interpretável e eficiente para seleção de características em medicina de precisão, com trabalhos futuros focados em otimizar a eficiência para conjuntos de dados de ultra-alta dimensão.