慢性疾病预防的多类别反事实解释估算与一致性评估

人工智能 信息科学 环境和公共卫生 心血管系统 呼吸系统 医学
慢性病预防 反事实解释 一致性预测 可解释性人工智能 心血管疾病 特征选择

一、学术背景与研究动机

近年来，人工智能（Artificial Intelligence, AI）在医疗健康领域取得了巨大进展。从最初的辅助诊断、风险预测到个性化干预方案的推荐，AI已成为改善医疗服务质量和效率的重要工具。然而，AI在临床实际应用中仍面临诸多挑战，最突出的问题之一是模型的可解释性（Explainability）与可信度（Trustworthiness）。当AI系统被用于临床决策支持（Clinical Decision Support Systems, CDSS）时，医务人员和患者都迫切希望能“看懂”AI如何做出推断，以及这些推断是否符合现有医学知识而不是黑盒输出。缺乏透明度不仅限制了AI工具的推广，也影响了医生的信任与接受度，进而影响到患者的安全和健康结果。

为弥补这一缺陷，解释性人工智能（Explainable AI, XAI）技术应运而生。XAI力图在保留AI强大性能的同时，增强其决策过程的可理解性，从而使自动化、数据驱动的决策路径变得透明、可靠，并能被医学专家所接受。在众多XAI技术中，反事实解释（Counterfactual Explanations）尤为受到关注。其核心思想是展现“如果输入数据发生变化，模型输出将如何改变”，即通过提供一种“假如（what-if）”情景，帮助医生理解模型的判断基础和可能的干预方向。在医学场景下，反事实解释可为个体患者制定个性化风险干预策略，揭示哪些变量的改变可以直接影响疾病风险或诊断结果，例如通过调整血压、血糖、体重等生物标志物。

尽管反事实解释理论上非常契合临床需求，但其实际应用和评估仍存在诸多问题。例如，如何保证反事实解释既与原始数据足够接近，从而“可行”，又足够代表目标类别，从而“有用”？如何系统量化和筛选出可靠、高质量的解释？如何在复杂的多类别分类（如疾病风险分级）中实现高效、可控的反事实生成？本研究正是针对上述空白提出新方法，并应用于慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease, COPD）患者心血管疾病风险的个性化预防领域，尝试为临床决策支持系统打造更为严谨和可信的解释性机制。

二、论文来源与作者信息

该研究论文题为“Estimation and Conformity Evaluation of Multi-Class Counterfactual Explanations for Chronic Disease Prevention”。论文于2025年9月发表在《IEEE Journal of Biomedical and Health Informatics》杂志上。作者团队跨越不同国家与研究机构，核心成员包括Marta Lenatti（通讯作者）、Alberto Carlevaro、Aziz Guergachi、Karim Keshavjee、Maurizio Mongelli以及Alessia Paglialonga。主要研究机构包含意大利CNR-Istituto di Elettronica e di Ingegneria dell’Informazione e delle Telecomunicazioni, University of Genoa、Ted Rogers School of Management与Ted Rogers School of Information Technology Management（加拿大）、University of Toronto健康政策与管理评估研究所、York University等。该项目获得欧洲联盟、意大利高校与科研部（MUR）多个国家科研计划与人工智能创新生态系统的资助。

三、研究流程详述

1. 数据集的提取与预处理

对象与样本量：
研究团队从加拿大初级医疗监察网络（Canadian Primary Care Sentinel Surveillance Network, CPCSSN）数据库中，筛选了2000年至2015年间收集的去标识化电子健康记录。这部分数据涉及已诊断COPD且年龄大于20岁的患者，经严格筛选与数据清洗后得到9613条无缺失值记录（远少于原始37504例，确保高质量数据）。

特征设定：
每一条数据收集了COPD诊断日前6个月内的主要生物标志物，包括发病年龄、性别（出生时指定）、体重指数（BMI）、收缩和舒张血压（SBP/DBP）、空腹血糖（FBS）、低密度脂蛋白（LDL）、高密度脂蛋白（HDL）、甘油三酯（TG）、总胆固醇（TOTCHOL）、吸烟史（现吸烟、戒烟、从未吸烟）、伴发高血压或糖尿病（诊断时间在COPD前6个月内）。研究特别区分了各特征的可变性：可改变量（如BMI、血压）、部分可改变量（如吸烟状态）、不可改变量（如年龄、既往疾病）。

输出变量设定：
采用Framingham Risk Score（心血管疾病十年风险评分，FRS），按照加拿大心血管协会（Canadian Cardiovascular Society）提供的分级标准，将患者分为低风险（<10%，3944例）、中等风险（10%-19%，3274例）与高风险（≥20%，2395例）三类。该输出为后续反事实解释及个性化干预建议提供参考基础。

2. 多类别分类模型构建与优化

主算法：
采用多类别支持向量数据描述（Multi-Class Support Vector Data Description, MC-SVDD）作为主要分类器。该算法能够在高维特征空间利用核函数，将各类别数据用最小包围球隔离，适合异常点检测与多类别判别。针对实际医疗数据中不可避免的分类误差，研究创新性地引入了“虚警率控制（False Positive Rate Control, FPR）”，通过一对多方法迭代优化，每个类别都利用单类别SVDD（One-Class SVDD）重复训练，直到误分类率小于预设阈值（如0.1）或迭代次数达到上限（如1000）。

模型替代与验证：
在用于部分反事实算法时（如DICE无法直接兼容MC-SVDD），团队采用了Surrogate Support Vector Machine（SVM，代理支持向量机），通过最大程度模拟MC-SVDD的输入输出行为，实现算法间对比并用Cohen’s Kappa系数（0.89）验证模型一致性。

训练与测试：
数据集按7:3比例分为训练和测试集，采用最大值缩放进行归一化。MC-SVDD参数通过三折交叉验证和网格搜索确定，SVM同样进行三折交叉验证寻优。最终，两模型在训练集和测试集均取得了较高精度和低漏判比例，尤其在引入FPR控制后，模型更倾向于“拒绝不确定判别”，提升临床可靠性。

3. 反事实解释生成算法

总体思想：
以COPD患者心血管高风险类别（test set中682/690例）为出发点，每个“事实样本”都尝试生成两个“反事实解释”：一份让其转为中等风险、一份让其转为低风险（分别对应新的生理指标组合）。

方法对比与新算法：
采用两种主流反事实解释生成策略：

  • MUCH（Multi Counterfactuals via Halton Sampling）：依据Halton序列在目标类别空间进行准随机采样，并通过优化目标“最小距离”实现反事实样本生成。约束条件保证新样本“刚好”划归到目标类别边界内而远离其他类别边界。MUCH可控性强，收敛更容易，与MC-SVDD协同更佳。

  • DICE（Diverse Counterfactual Explanation）：采用启发式遗传算法，实现多样性（diversity）与接近性（proximity）优化，同时支持混合类型特征。每个事实样本设定只生成一个反事实解释，和MUCH一致以便公平对比。受限于启发式方法，DICE在某些复杂场景可能陷入局部最优且不保证一定收敛。

两种方法均严格限制变量变动范围，尤其对于医学现实中不可逆的特征（如患者永远无法成为“从不吸烟者”），反事实解释只允许向现实方向调整（如从当前吸烟状态向“戒烟”转换），并设置医学相关阈值（如最大BMI、血脂值等）。

4. 反事实解释质量评价与一致性判断

评价指标与统计检验：

  • Availability（可生成性）：生成成功率
  • Discriminative Power（判别能力）：解释样本与原类别样本区分准确率
  • Proximity（接近性）：与原始事实样本的距离（越近越好）
  • Sparsity（稀疏性）：平均变动特征数量
  • Implausibility（不合理性）：与目标类别均值偏离程度（越低越好）
  • Diversity（多样性）：生成解释间的差异性

所有指标都通过Wilcoxon符号秩检验与Mann-Whitney U检验验证显著性，并应用Bonferroni校正。

反事实一致性评价：

首创“反事实一致性（Counterfactual Conformity）”度量方法，借鉴“符合性预测（Conformal Prediction, CP）”思想，将解释质量定量化：

  • 利用混合距离（结合汉明距离与余弦距离），综合考虑解释样本与原事实（proximity）和目标类别中心（plausibility）的距离。
  • 设定阈值ε（如0.1），评价每个反事实解释是否达到高信心标准。若对各目标类别都满足，定义为“完全一致性反事实”；只部分满足则为“部分一致性反事实”；完全不满足则为“非一致性反事实”。
  • 通过在测试集上校准打分函数，实现解释筛选和定量可靠性输出。

四、主要研究结果解析

1. 分类器性能

  • 引入FPR控制后，MC-SVDD训练集准确率提升至85.6%，未分类点比例上升至10%（即更少误诊，但主动放弃不确定判别），各类别敏感性分别达88.2%（低风险）、75.0%（中等风险）、95.9%（高风险）。测试集表现略低但尚可。
  • SVM代理模型对MC-SVDD预测表现高度拟合，训练集/测试集准确率分别达96.9%/92.6%，Cohen’s Kappa系数达0.89。

2. 反事实解释生成与质量比较

  • MUCH解释的平均可生成性为84.6%，DICE高达98.2%。二者在判别能力均较高（MUCH更佳），MUCH在不合理性和多样性方面略优，DICE则在接近性和稀疏性表现更好。
  • 针对高至中等风险转换，MUCH和DICE所建议的变量变动幅度各有不同，对某些特征（如收缩压、血脂等）变动趋势存在统计学差异。
  • 反事实一致性评价允许筛除不现实解释，剩余合格解释在各项指标（接近性、不合理性、稀疏性等）均优于未筛选和非一致性解释，包括病例中变量变动幅度更贴近临床可行（如BMI/血压变化不会超出现实范围）。

3. 个性化风险干预建议与医学意义

  • 通过MUCH与DICE生成的高一致性反事实解释所建议的个体变量（如降低收缩压、优化BMI、提升HDL或戒烟）均与医学常识相符，有助于指导临床专家制定具体、可操作的个性化干预方案。
  • 对于合并症患者（如合并高血压或糖尿病者），所建议变量变动幅度明显更大（如高血压患者建议更大幅度降压），反映模型充分捕捉了现实健康状态对干预目标的影响。

五、结论、学术与应用价值

该研究展示了一套完整的多类别医学风险分级反事实解释体系，并在COPD患者心血管风险预防场景下得到实际验证，贯穿数据提取、模型训练、解释生成、筛选评价等关键环节，整体流程严谨科学。最具突破性的是：

  • 首创反事实一致性评价标准，使临床决策支持系统不仅能解释AI推断过程，更能自动筛选出可信且现实可行的个性化干预建议。
  • 结合多类分类算法（MC-SVDD）与优化生成方法（MUCH/DICE），提升了医学适应性和解释多样性。
  • 提供面向临床实际的个性化干预建议，并结合大规模数据集验证，具备极高的应用推广价值。
  • 方法可推广至其他慢性病风险预测，辅助临床制定远程或实时AI辅助干预方案，提高全民健康管理效率。

六、研究亮点与展望

  • 新方法与新指标：MUCH反事实解释与反事实一致性评价指标首次面向医学实际场景落地，有效提升解释可信度与可用性。
  • 数据质量与实验设计：超大规模高质量健康数据库支撑，严格的变量标准化与医疗实际约束带来更切实可靠成果。
  • 灵活与可移植性：模型框架和解释机制适用于不同类别、不同疾病，易于集成至临床CDSS系统。
  • 未来展望：将进一步考虑专家知识动态嵌入、指标阈值优化与跨病种推广，持续推动医学XAI从理论到落地。

七、其他有价值信息

  • 研究实现代码、部分数据与工具已开源，助力学界与业界复现、验证与升级应用。
  • 论文提出的理论和流程，正在为基于电子健康记录（EHR）的慢性病管理、智能预防医学、以及抗风险AI模型开发提供技术支撑。
  • 研究团队保持多国多学科合作，示范大型AI医疗模型研发、评估与转化的国际化科学实践路径。

通过系统性技术创新和严谨学术论证，本研究为AI驱动的个性化慢病预防提供了面向实际应用的突破性工具和新思路，标志着医学解释性人工智能迈入可信、有效和可用的新阶段。