Снижение размерности признаков с использованием ройной оптимизации и классификаторов случайного леса для раннего прогнозирования риска диабета

Почему важно выявлять диабет на ранней стадии

Сахарный диабет 2‑го типа часто развивается незаметно, повреждая сердце, глаза, почки и нервы задолго до постановки диагноза. Врачи обычно опираются на множество вопросов и тестов для оценки риска, что может отнимать много времени как у пациентов, так и у клиник. В этом исследовании изучается, как интеллектуальные компьютерные программы могут выявлять ранний риск диабета, опираясь всего на несколько простых вопросов «да/нет», что потенциально делает скрининг быстрее, дешевле и проще для внедрения в загруженных или с ограниченными ресурсами условиях.

Более умный перечень для оценки риска диабета

Исследователи работали с реальной базой данных из диабетической больницы в Силхете, Бангладеш. Каждого из 520 человек в наборе данных пометили как имеющего раннюю стадию диабета или не имеющего её. Для каждого пациента врачи фиксировали возраст и 15 простых клинических признаков и симптомов, таких как частое мочеиспускание (полиурия), необычная жажда (полидипсия), внезапная потеря веса, зуд, затуманенное зрение и ожирение. Большинство записей были представлены простыми ответами «да/нет» на анкете, что делает данные сопоставимыми с тем, что медсестра или работник здравоохранения могли бы собрать за несколько минут при обычном приеме.

Обучение компьютера сосредотачиваться на важном

Вместо того чтобы по умолчанию подавать все 16 показателей в модель, команда задала ключевой вопрос: какие из этих признаков действительно несут наибольшую информацию о риске диабета? Для ответа они объединили широко используемый метод машинного обучения — случайный лес — с тремя стратегиями «ройного» поиска, вдохновлёнными поведением животных: оптимизатором лисы, алгоритмом барсука‑мёдолюбца (honey badger) и оптимизацией роя тунца. Эти рои ведут себя как цифровые охотники, исследуя множество возможных комбинаций признаков и параметров модели, чтобы найти те, которые дают лучшие прогнозы при минимальном числе входных данных. Система многократно разбивала данные на обучающую и тестовую части, настраивала внутренние параметры и голосовала за признаки и значения параметров, которые стабильно показывали наилучший результат в многочисленных прогонах.

Насколько хорошо работали упрощённые модели

Получившиеся три модели — названные FOX_RF, HBA_RF и TSO_RF — все показали высокую точность. При обучении и тестировании один раз на полном наборе данных модель на основе тунца (TSO_RF) правильно классифицировала всех людей, достигнув 100% точности, точности положительных прогнозов (precision) и полноты (recall). При более строгой 10‑кратной кросс‑валидации, имитирующей проверку на не‑видимых ранее данных, TSO_RF всё ещё показала среднюю точность выше 98%, немного опережая две другие модели и превосходя ранее опубликованные методы на том же наборе данных. Важно, что модель на основе honey badger достигла устойчивых результатов, используя лишь 10 из 16 признаков, а остальным моделям потребовалось всего 13 или 14. Такое сокращение означает меньше вопросов для пациентов и меньшую вычислительную нагрузку для любого будущего приложения или устройства.

Заглядывая внутрь «чёрного ящика»

Современные предсказательные системы часто работают хорошо, но их трудно интерпретировать. Чтобы это исправить, исследователи использовали метод объяснимого ИИ SHAP, чтобы оценить, насколько каждый признак смещал модель в сторону прогноза «диабет» или «нет» для каждого конкретного человека. Во всех трёх моделях выявилась одинаковая картина: частое мочеиспускание, избыточная жажда и пол последовательно оказывали наибольшее влияние на прогнозы, тогда как внезапная потеря веса, мышечная скованность, раздражительность и несколько других признаков играли вспомогательную роль. Команда также проанализировала конкретные ошибки — случаи, где модели некорректно классифицировали людей — и показала, что небольшие изменения в этих ключевых симптомах часто меняли решение, что выявляет области повышенной чувствительности модели и где клиницистам следует быть осторожнее.

Что это означает для повседневной медицины

Проще говоря, исследование показывает, что тщательно спроектированная компьютерная модель может с очень высокой точностью выявлять риск раннего диабета, опираясь на короткую анкету симптомов и несколько демографических данных. Устраняя менее информативные вопросы и выделяя самые показательныe признаки — прежде всего частое мочеиспускание, избыточную жажду и пол — подход может лечь в основу быстрых скрининговых инструментов в клиниках, программах общественного здравоохранения или даже в системах на базе смартфонов. Хотя работу ещё нужно проверять на больших и более разнообразных популяциях, она указывает на будущее, в котором ранние предупреждения о диабете будут одновременно точнее и менее обременительны для пациентов.

Цитирование: Sarker, P., Nahid, AA., Choi, K. et al. Feature reduction using swarm optimization and random forest classifiers for early diabetes risk prediction. Sci Rep 16, 14355 (2026). https://doi.org/10.1038/s41598-026-35984-7

Ключевые слова: прогнозирование диабета, машинное обучение, отбор признаков, ройная оптимизация, ранняя диагностика