Descubrimiento de características con pocas suposiciones supera la selección basada en Cox para el análisis de...

Área de la Ciencia:

• Salud Ambiental
• Ciencia de Datos
• Biología Computacional

Sus antecedentes:

• Las aplicaciones erróneas de IA son comunes en la investigación ambiental debido a malentendidos de las suposiciones del aprendizaje automático.
• Las complejas relaciones de exposición-resultado requieren una cuidadosa selección de características para una modelización precisa.

Objetivo del estudio:

• Evaluar el impacto de diferentes estrategias de selección de características en el rendimiento de modelos de IA posteriores en la investigación ambiental.
• Identificar métodos robustos de selección de características para analizar la calidad del aire y los resultados de salud.

Principales métodos:

• Se compararon la significancia basada en Cox, la aglomeración de características (FA), la selección de genes altamente variables (HVGS) y la correlación de rango de Spearman.
• Se evaluaron los métodos de selección de características utilizando un punto de referencia de mortalidad por EPOC y calidad del aire con un modelo de Random Forest fijo bajo validación cruzada.
• Se desarrolló y evaluó un flujo de trabajo híbrido que combina el descubrimiento de estructuras no supervisadas y el cribado no paramétrico.

Principales resultados:

• La correlación de rango de Spearman produjo consistentemente la mayor precisión con 5 y 8 características.
• La aglomeración de características fue competitiva para conjuntos de características pequeños.
• HVGS mostró un rendimiento moderado.
• La selección basada en Cox tuvo un rendimiento inferior, lo que indica problemas como la no linealidad y la multicolinealidad.
• El flujo de trabajo híbrido produjo conjuntos de características más estables y reproducibles.

Conclusiones:

• La selección de características influye significativamente en el rendimiento de los modelos de IA en estudios de salud ambiental.
• La correlación de rango de Spearman y un enfoque híbrido ofrecen una selección de características más confiable que los métodos tradicionales basados en Cox.
• Los hallazgos proporcionan un marco práctico para mitigar las aplicaciones erróneas de IA y mejorar la modelización causal en la investigación ambiental.