Explainable AI for Mental Health Prediction in Drug-Affected Populations with Dragonfly Algorithm and GAN Oversampling

Resumo Técnico: IA Explicável para Predição de Saúde Mental em Populações Afetadas por Drogas

Declaração do Problema
Transtornos de saúde mental e transtornos por uso de substâncias (TUS) frequentemente coocorrem, criando uma carga significativa para a saúde global. Em regiões com recursos limitados, como Bangladesh, a detecção precoce e a intervenção direcionada são críticas, porém desafiadoras, devido à natureza subjetiva das técnicas diagnósticas tradicionais e à falta de ferramentas escaláveis orientadas por dados. As abordagens existentes de aprendizado de máquina (ML) para prever a saúde mental em populações afetadas por drogas enfrentam três limitações primárias: (1) tratamento inadequado do desequilíbrio de classes, onde casos críticos de saúde mental "Ruim" são sub-representados; (2) transparência limitada do modelo, dificultando a interpretabilidade clínica; e (3) ajuste de hiperparâmetros subótimo, o que reduz o desempenho em dados de saúde categóricos de alta dimensionalidade.

Metodologia
O estudo propõe um framework abrangente integrando pré-processamento de dados, seleção de características, balanceamento de classes, otimização de modelos e explicabilidade para prever o status de saúde mental multiclasse (Bom, Médio, Ruim) entre indivíduos afetados por drogas.

1. Fonte de Dados e Pré-processamento: A pesquisa utiliza um conjunto de dados multidimensional de Bangladesh compreendendo 36 características categóricas (demográficas, socioeconômicas, comportamentais e relacionadas à saúde) através de 1.215 instâncias. A variável alvo é codificada em três classes. O pré-processamento envolveu a codificação de rótulos (label encoding) e a remoção de colunas desnecessárias.
2. Seleção Híbrida de Características: Para gerenciar a alta dimensionalidade e identificar as variáveis mais preditivas, os autores empregam uma abordagem híbrida de Análise de Componentes Principais-Ganho de Informação (PCA-IG). Este método reduz a dimensionalidade enquanto classifica as características com base em seu ganho de informação.
3. Tratamento de Desequilíbrio de Classes: Abordando a distribuição enviesada das classes de saúde mental (766 Médio, 248 Bom, 201 Ruim), o estudo implementa o sobreamostragem baseada em Redes Adversárias Gerativas (GAN) no conjunto de treinamento. Isso gera amostras sintéticas para as classes minoritárias para criar uma distribuição equilibrada, superando métodos tradicionais como SMOTE e SVM-SMOTE.
4. Seleção e Otimização de Modelos: Diversos algoritmos de ML foram avaliados, incluindo Regressão Logística, Random Forest, LightGBM e XGBoost. O XGBoost emergiu como o modelo base superior. Seus hiperparâmetros foram otimizados usando o Algoritmo Dragonfly (DA), uma técnica de inteligência de enxame que equilibra exploração e explotação para encontrar a configuração ideal (taxa de aprendizado, profundidade, número de estimadores, etc.).
5. IA Explicável (XAI): Para garantir confiança clínica e interpretabilidade, os valores de SHAP (SHapley Additive exPlanations) foram calculados. Isso fornece explicações ao nível da instância, visualizando como características específicas contribuem para previsões individuais por meio de gráficos de cascata (waterfall) e de força (force plots).

Principais Contribuições
O artigo destaca quatro contribuições primárias para o campo:

• Integração Inovadora: Apresenta a primeira integração do Algoritmo Dragonfly com o XGBoost especificamente para a predição de saúde mental em populações afetadas por drogas.
• Seleção Híbrida de Características: O método PCA-IG proposto equilibra efetivamente a redução de dimensionalidade com o poder preditivo, identificando a qualidade do sono, o acesso à saúde e fatores comportamentais como primordiais.
• Sobreamostragem Avançada: O estudo demonstra que a sobreamostragem baseada em GAN para classificação multiclasse produz resultados superiores em comparação ao SMOTE e SVM-SMOTE neste contexto.
• Explicabilidade Acionável: Ao utilizar o SHAP, o framework vai além das previsões de "caixa preta" para fornecer insights clínicos acionáveis através de ferramentas visuais como gráficos de cascata e de força.

Resultos
Os resultados experimentais, validados usando validação cruzada de 5 dobras (5-fold cross-validation) em um ambiente Google Colab, demonstram a eficácia do framework proposto:

• Desempenho: O modelo XGBoost otimizado pelo DA combinado com a sobreamostragem baseada em GAN alcançou as métricas de desempenho mais altas: 94,17% de acurácia e um F1-score ponderado de 93,80%. Isso superou significativamente os modelos de linha de base (ex: XGBoost padrão com 88,15% de acurácia) e outras técnicas de sobreamostragem.
• Importância das Características: A análise revelou que fatores comportamentais, de estilo de vida e de saúde são os preditores mais fortes da saúde mental. Especificamente, a qualidade do sono, o estado de saúde física e a regulação emocional foram altamente influentes. Por outro vez, fatores demográficos como gênero e idade tiveram impacto mínimo nas previsões do modelo.
• Insights Demográficos: A análise identificou a faixa etária de 20–29 anos como um período crítico onde o pico do uso de drogas se sobrepõe ao alto sofrimento psicológico (ansiedade e depressão), sugerindo um alvo principal para intervenção.
• Interpretabilidade: A análise SHAP confirmou que fatores de estilo de vida (ex: qualidade do sono, tabagismo, hábitos alimentares) e o estado de saúde impulsionam a tomada de decisão do modelo, fornecendo um raciocínio transparente para classificações de alto risco.

Significância e Alegações
Os autores alegam que este framework oferece uma ferramenta válida e de alta acurácia para a previsão de saúde mental em populações influenciadas por drogas. Ao abordar o desequilíbrio de dados, otimizar hiperparâmetros via inteligência de enxame e incorporar explicabilidade, o estudo aumenta tanto a confiabilidade preditiva quanto a utilidade clínica dos modelos de IA. Os resultados sugerem que tal sistema pode facilitar a intervenção precoce e melhorar as estratégias de tratamento para indivíduos afetados pelo uso de drogas. O artigo conclui modestamente, observando que trabalhos futuros focarão na validação do framework em conjuntos de dados maiores e de múltiplos países, além de integrar fluxos de dados multimodais (clínicos, neuroimagem e sensores vestíveis) para aumentar ainda mais o poder preditivo e o monitoramento longitudinal.