De viktigaste funktionerna i generaliserade additiva modeller kan vara grupper av funktioner

Varför grupper kan vara viktigare än enskilda ledtrådar

Moderna prediktiva modeller går ofta igenom hundratals mätningar, från hjärnavbildningar till områdesstatistik, för att förutsäga hälsoutfall. Vi frågar vanligtvis vilken enskild faktor som är viktigast: ålder, ett labbtest eller kanske en hjärnregion. Denna artikel hävdar att det synsättet är för snävt. I många verkliga medicinska problem är det som verkligen driver förutsägelser den kombinerade signalen från grupper av relaterade funktioner, inte någon enskild funktion ensam. Författarna föreslår ett snabbt sätt att mäta hur viktiga sådana grupper är i en mycket använd klass av transparenta modeller, och visar att detta gruppperspektiv avslöjar medicinska insikter som annars skulle förbises.

Att se bortom enskilda riskfaktorer

De flesta tolkningsverktyg i dag rangordnar individuella funktioner efter hur mycket de påverkar en modells förutsägelser. Det fungerar hyfsat när funktionerna är oberoende. Men i hälso-data rör sig många variabler tillsammans: traumaupplevelser klustrar, hjärnnätverk aktiveras samtidigt och sociala förhållanden sammanfaller. När funktioner är starkt korrelerade sprider modellen ofta signalen över dem och ger varje funktion en måttlig poäng trots att de tillsammans bär stark prediktiv kraft. Att fokusera endast på enskilda faktorer kan därför dölja de verkliga drivkrafterna för risk eller till och med leda till att användbara mätningar tas bort vid funktionselektivitet.

Ett enkelt sätt att mäta gruppeffekt

Författarna fokuserar på generaliserade additiva modeller, en transparent familj som inkluderar linjära modeller och en populär variant kallad Explainable Boosting Machines. Dessa modeller förutsäger utfall genom att addera separata bidragskurvor, en för varje funktion och, valfritt, för interaktioner mellan funktioner. Befintliga metoder för att mäta gruppoängd, såsom Shapley-baserade mått eller grupperade permutationstester, kan vara exakta men är ofta beräkningsmässigt tunga eftersom de kräver många maskerade versioner av datan eller upprepad omträning av modellen. I kontrast definierar den nya metoden en grupps betydelse som den genomsnittliga storleken av det kombinerade bidraget från alla dess funktioner (och interaktioner) över träningsdatan. Tack vare modellens additiva struktur kräver detta endast att man summerar befintliga komponentfunktioner, så det är snabbt, fungerar efter att modellen har tränats och tillåter överlappande eller efterhandsdefinierade grupper.

Testning av idén i kontrollerade miljöer

För att förstå hur gruppeffekten beter sig utformar författarna syntetiska experiment där de styr både relationen mellan funktioner och målvariabeln samt graden av korrelation. I en uppsättning bär två perfekt korrelerade funktioner vardera halvan av en additiv signal; som förväntat är deras gruppeffekt ungefär summan av deras individuella poäng. I en annan trycker två oberoende funktioner prediktionen i motsatta riktningar; deras gruppeffekt blir då mindre i förhållande till summan eftersom deras effekter ibland tar ut varandra. När samma motsatta effekter görs starkt korrelerade blir utsläckningen kraftigare och gruppeffekten minskar dramatiskt, även om varje funktion fortfarande ser individuellt inflytelserik ut. Dessa experiment visar att det föreslagna måttet naturligt reflekterar hur korrelerade funktioner förstärker eller motsätter varandra när de verkar tillsammans.

Vad verkliga data säger om psykisk hälsa och kirurgiska risker

Författarna vänder sig sedan till två medicinska fallstudier. I en stor ungdomsdatamängd som kombinerar hjärnavbildning och beteendeenkäter förutsäger de ett depressivt symtomprofilsystem känt som negativ valens. När de grupperar funktioner i domäner såsom livs- och traumahändelser, personlighetsdrag, neuropsykologiska tester, sömn och hjärnnätverk avslöjar gruppanalysen att livs- och traumahändelser samt personlighetsdrag är de starkaste drivkrafterna, med det neuropsykologiska batteriet också högt rankat. Många traumarelaterade frågor är starkt korrelerade och får var för sig låg individuell betydelse, men traumagruppen som helhet framträder som mest informativ. Mätningar av hjärnnätverk, tidigare nedtonade på grund av låga enskilda poäng, bildar också en meningsfull grupp. I en andra studie av mer än 100 000 höftledsplastikpatienter jämför de traditionella riskfaktorer som ålder, kön och samsjuklighet med en grupp som fångar samhällsnivåns sociala bestämningsfaktorer för hälsa. Samhällsgruppen, som paketar in områdesinkomst, socialt stöd, digital tillgång, utbildning och gångbarhet, blir den enskilt viktigaste prediktorn för 90-dagarsdödlighet och överträffar till och med ålder och samsjuklighet.

Varför detta är viktigt för rättvisa och användbara modeller

Genom att visa att grupper av relaterade variabler kan vara mer prediktiva än någon enskild variabel utmanar detta arbete vanan att läsa modelexplanationer som rankade listor över enskilda funktioner. Den föreslagna metoden gör det praktiskt möjligt att kvantifiera hur mycket hela domäner—såsom traumahistoria, kognitiv funktion eller närmiljö—bidrar till förutsägelser, även när deras komponenter är många och korrelerade. För kliniker, beslutsfattare och dataforskare erbjuder detta en mer holistisk och realistisk bild av vad en modell har lärt sig, och framhäver till exempel att levda erfarenheter och samhällsmiljö kan konkurrera med eller överträffa klassiska kliniska riskfaktorer. Kort sagt ger gruppeffekt en klarare inblick i komplexa hälsodata, hjälper till att undvika missvisande tolkningar och stödjer bättre, mer transparent beslutsfattande.

Citering: Bosschieter, T., França, L., Wolk, J. et al. The most important features in generalized additive models might be groups of features. Sci Rep 16, 14371 (2026). https://doi.org/10.1038/s41598-026-43928-4

Nyckelord: feature importance, interpretable machine learning, generalized additive models, healthcare analytics, social determinants of health