MedAdhereAI: An Interpretable Machine Learning Pipeline for Predicting Medication Non-Adherence in Chronic Disease Patients Using Real-World Refill Data

本文介绍了 MedAdhereAI，这是一个利用真实世界处方续方数据，通过可解释机器学习模型（如逻辑回归和随机森林）来预测慢性病患者用药依从性风险的决策支持工具。

要点

用数据预测慢性病患者的用药风险：MedAdhereAI 研究

对于患有糖尿病或高血压等慢性疾病的人来说，按时服药至关重要。然而，全球约有一半的慢性病患者无法坚持规定的治疗方案。这种不规律的用药行为会导致病情恶化、住院率上升，并给医疗系统带来巨大的经济负担。在医疗资源有限的地区，由于数据分散且缺乏持续的随访，医生往往很难在患者出现问题之前发现他们面临的用药风险。

为了应对这一挑战，研究人员开发了一个名为 MedAdhereAI 的计算流程。该研究的目标是利用现有的、易于获取的医疗记录——例如患者何时去药房取药以及相关的报销记录——来预测患者是否可能无法坚持用药。

与以往依赖复杂临床检查或实验室数据的模型不同，MedAdhereAI 侧重于使用最基础的数据。研究人员通过分析患者的年龄、就诊次数以及两次取药之间的时间间隔（即“取药间隔”）来构建预测模型。这种方法特别适用于那些无法提供详细病历或昂贵检查数据的医疗环境。

在研究过程中，研究人员对比了两种不同的数学模型。一种是逻辑回归模型，它通过计算不同因素的影响权重来得出结论；另一种是随机森林模型，它通过组合多个决策路径来处理复杂的关联。

实验结果显示，逻辑回归模型在预测准确性上表现更好。该模型的曲线下面积（AUC）达到了 0.82，这表明它在区分“坚持用药者”和“不坚持用药者”方面具有较高的可靠性。同时，该模型的 Brier 分数（衡量预测概率与实际结果吻合程度的指标）为 0.1749，说明其给出的风险概率非常接近实际情况。相比之下，随机森林模型的 AUC 为 0.77。

为了让医生能够理解模型为何做出特定的判断，研究人员引入了一种解释工具。通过这种工具，研究人员发现“总就诊次数”、“年龄”和“平均取药间隔”是预测风险最重要的三个因素。例如，如果一个患者的取药间隔变得越来越长，或者就诊频率降低，模型就会识别出该患者面临更高的不按时用药风险。此外，该工具还可以针对单个患者生成解释，告诉医生是哪些具体行为导致了该患者被标记为高风险。

研究人员指出，虽然该模型在预测上表现出色，但仍存在局限性。目前使用的数据库在地理范围上有限，且仅通过“取药次数是否达到八次”这一标准来定义是否坚持用药，这可能无法完全涵盖所有临床情况。此外，患者的经济状况、社会背景以及与医生的沟通情况等重要因素尚未包含在内。

这项研究证明，即使只使用最基础的取药和报销数据，也可以构建出既准确又透明的预测工具。这为医疗系统在资源有限的情况下，通过识别高风险患者来进行针对性的干预提供了技术支持。

技术摘要

这是一篇关于名为 MedAdhereAI 的机器学习流水线的学术论文技术总结。该研究旨在利用现实世界的药物处方数据，为慢性病患者提供可解释的药物不依从性（Medication Non-adherence）预测。

以下是该论文的详细技术总结：

1. 研究问题 (Problem Statement)

• 核心挑战：慢性病（如糖尿病和高血压）患者的药物不依从性是一个全球性的医疗难题，导致疾病恶化、住院率上升，并每年造成数千亿美元的医疗成本。
• 现有技术的局限性：
  • 数据依赖性高：现有模型通常依赖复杂的临床记录、实验室数据或影像资料，而这些数据在资源有限的医疗环境中往往难以获取或高度碎片化。
  • “黑箱”问题：许多高精度的机器学习模型缺乏透明度，临床医生难以理解其预测逻辑，从而难以建立信任并将其整合到临床工作流中。
• 研究目标：开发一个既能利用低成本、易获取的现实世界数据（如处方记录和理赔数据），又具备高可解释性的预测模型。

2. 研究方法 (Methodology)

研究者设计并实现了一个名为 MedAdhereAI 的端到端机器学习流水线，其核心步骤包括：

• 数据来源：使用来自 Mendeley Data 的公开匿名数据集，包含糖尿病和高血压患者的药物处方（Refill）和理赔（Claims）记录。
• 特征工程 (Feature Engineering)：
  • 目标变量构建：通过设定阈值（如 $\ge 8$ 次处方）将患者定义为“依从（Adherent）”或“不依从（Non-adherent）”。
  • 时序特征提取：计算关键的时序指标，包括平均处方间隔（avg_refill_gap）、最大处方间隔（max_refill_gap）、总就诊次数（total_visits）以及年龄（AGE）和性别（GENDER）。
• 模型开发：
  • 选择了两种具有平衡性的模型：逻辑回归 (Logistic Regression) 和 随机森林 (Random Forest)。
  • 逻辑回归用于提供基于系数的直观解释，随机森林用于捕捉非线性特征交互。
• 可解释性框架 (Explainability)：
  • 引入了 SHAP (Shapley Additive Explanations) 方法。
  • 全局解释：分析哪些特征对整个人群的预测起主要作用。
  • 局部解释：通过 SHAP Force Plot 为单个患者提供个性化的风险因素解释。

3. 关键贡献 (Key Contributions)

• 轻量化数据需求：证明了仅使用常规的处方和理赔数据（而非复杂的临床指标）即可实现高精度的风险预测，非常适合资源受限的环境。
• 高透明度的设计：通过集成 SHAP 解释工具，将“黑箱”模型转化为临床医生可理解的决策支持工具。
• 模块化与可复现性：提供了一个完整的、模块化的流水线（包含数据清洗、特征转换、模型训练和可视化），并开源了代码，便于在不同医疗背景下进行迁移和扩展。

4. 研究结果 (Results)

实验结果表明，逻辑回归模型在本次研究中表现优于随机森林：

指标 (Metric)	逻辑回归 (Logistic Regression)	随机森林 (Random Forest)
ROC AUC	0.82 (表现更佳)	0.77
Brier Score	0.1749 (校准度高)	未提供
准确率 (Accuracy)	0.70	0.65
精确率 (Precision)	0.76	0.70
召回率 (Recall)	0.74	0.66
F1-Score	0.75	0.68

• 核心预测因子：SHAP 分析确定了 总就诊次数 (total_visits)、年龄 (AGE) 和 平均处方间隔 (avg_refill_gap) 是预测不依从性的最关键特征。
• 模型可靠性：逻辑回归的校准曲线显示其预测概率与实际观察结果高度一致，证明了其在临床部署中的可靠性。

5. 研究意义 (Significance)

• 临床决策支持：MedAdhereAI 可以作为一种预警工具，帮助医护人员识别高风险患者，从而实现精准的干预（如电话随访、用药指导），优化医疗资源分配。
• 赋能低资源环境：该模型对计算资源要求低，且对数据完整性要求不高，为医疗基础设施薄弱的地区提供了切实可行的数字化管理方案。
• 推动AI信任度：通过强调“可解释性”，该研究为人工智能在医疗领域的落地提供了范式，即预测精度与临床透明度应当并重。