Оценка отношения шансов по выходным скоринговым значениям моделей машинного обучения: возможности и ограничения

Почему это важно для здравоохранения и ИИ

Врачи и исследователи общественного здравоохранения всё чаще обращаются к искусственному интеллекту, чтобы выяснить, как факторы среды, такие как температура или загрязнение воздуха, влияют на здоровье. Но хотя современные методы машинного обучения мощны в прогнозировании того, кто может заболеть, они часто не отвечают на более простой вопрос, важный для клиницистов и политиков: насколько конкретное воздействие повышает или снижает риск? В этом исследовании показано, как заполнить этот пробел, переведя непрозрачные выходные значения популярных моделей машинного обучения в привычные отношения шансов, которые лежат в основе многих медицинских и эпидемиологических решений.

От «чёрного ящика» к понятному риску

В традиционной эпидемиологии основным инструментом является логистическая регрессия, которая связывает экспозицию (например, холодную погоду) с исходом здоровья (например, госпитализация) при учёте других факторов, таких как возраст или загрязнение. Её главное преимущество — интерпретируемость: она напрямую даёт отношение шансов, показывающее, во сколько раз выше (или ниже) шансы заболевания в одной группе по сравнению с другой. Современные методы машинного обучения, такие как случайные леса и градиентный бустинг, способны выявлять гораздо более сложные зависимости в данных, но обычно возвращают скоры без прямого смысла для риска, что затрудняет представление результатов в терминах, которым доверяют клиницисты. Авторы поставили задачу связать эти два подхода.

Новые способы чтения риска из моделей машинного обучения

Исследователи предложили десять различных способов восстановить отношения шансов по скоринговым значениям, выдаваемым классификаторами машинного обучения. Восемь из этих «гибридных» оценителей стартуют от сырых или откалиброванных скор — чисел от нуля до единицы, отражающих вероятность исхода для каждого человека — и затем умножают простую сводную характеристику этих скор на корректирующий множитель, полученный из обычной логистической регрессии. Этот множитель учитывает различия в возрасте, сезоне и других фоновых переменных между экспонированными и неэкспонированными группами. Два дополнительных оценителя опираются на функции частичной зависимости — инструмент, который по сути спрашивает: «что бы модель предсказала, если бы все имели уровень экспозиции A вместо B, при прочих наблюдаемых факторах без изменений?» Сравнивая такие предсказания, авторы получают модельно-обоснованное отношение шансов, отражающее взгляд модели машинного обучения на данные.

Тестирование методов на реальных вопросах о здоровье

Чтобы проверить эффективность этих идей, команда применила их к трем моделям — логистической регрессии, случайному лесу и градиентному бустингу — на двух больших эпидемиологических наборах данных из Израиля. Один отслеживал пожилых людей, госпитализированных с респираторными или сердечно-сосудистыми проблемами, с акцентом на то, повышает ли необычно низкая температура вероятность госпитализации. Другой прослеживал более 160 000 детей для изучения связи между более высоким пренатальным температурным режимом и избыточным весом в два года. Для каждой комбинации набора данных и модели они рассчитали десять оценок отношения шансов и диапазоны неопределённости, а затем сравнили результаты со стандартной логистической регрессией, взятой в качестве практического эталона.

Какие инструменты машинного обучения показали себя лучше

Ключевым шагом в исследовании была «калибровка» — приведение сырых скор моделей машинного обучения к такому виду, чтобы, например, среди людей с оценённым риском 20% примерно один из пяти действительно имел исход. Авторы протестировали три распространённых метода калибровки и обнаружили, что простая техника, называемая изотонической регрессией, часто приводила скоры случайного леса и градиентного бустинга ближе к корректно интерпретируемым вероятностям. Когда эти откалиброванные скоры использовали в их оценителях отношения шансов, проявилась важная закономерность: отношения шансов, полученные из градиентного бустинга, как правило, совпадали с результатами логистической регрессии — около 87% оценок попадали в 95% доверительный интервал логистической модели и часто давали несколько более узкие интервалы неопределённости. Напротив, случайные леса вели себя непредсказуемо — многие предсказания сводились к 0 или 1, что делало несколько оценок отношения шансов нестабильными или вводящими в заблуждение, даже после калибровки.

Что это означает для применения ИИ в общественном здравоохранении

Исследование демонстрирует, что можно воспользоваться прогностической мощностью современных моделей машинного обучения, не теряя интерпретируемости, по крайней мере в типичных условиях экологических исследований здоровья. В сочетании с тщательной калибровкой и предложенными оценителями модели градиентного бустинга могут предоставлять отношения шансов, сопоставимые и иногда более точные, чем у классической логистической регрессии. Однако не все алгоритмы машинного обучения одинаково подходят для этой задачи: случайные леса, в частности, могут требовать дополнительной осторожности или альтернативных стратегий при оценке эффектов. Для политиков и клиницистов ключевой вывод таков: современные методы ИИ не обязаны оставаться чёрными ящиками — при вдумчивом использовании они могут давать чёткие, знакомые меры риска, полезные для принятия практических решений.

Цитирование: Nirel, R., Bauman, N., Morin, E. et al. Estimating the odds ratio from the output scores of machine learning models: possibilities and limitations. Sci Rep 16, 8922 (2026). https://doi.org/10.1038/s41598-026-38150-1

Ключевые слова: отношение шансов, машинное обучение, эпидемиология, оценка риска, температура и здоровье