Aplicación de Técnicas de Explicabilidad (XAI) y Cuantificación de Incertidumbre (UQ) en la Predicción del Síndrome Metabólico mediante Aprendizaje Automático

Abstract

Este TFG se centra en la aplicación de técnicas de IA de aprendizaje automático supervisado, donde se emplean métodos de explicabilidad y de cuantificación de incertidumbre, específicamente en la clasificación binaria para la predicción de síndrome metabólico, una condición médica que incrementa el riesgo de padecer una enfermedad cardiovascular y diabetes. El trabajo parte de un análisis exploratorio del juego de datos, compuesto por medidas demográficas y clínicas de más de dos mil personas etiquetadas con la ausencia o el diagnóstico de síndrome metabólico. Se entrenan y evalúan diversos modelos, tales como random forest y gradient boosting machines, optimizando hiperparámetros y umbrales de decisión. El modelo seleccionado resulta ser un bosque aleatorio, no solo por su buen rendimiento, si no por su capacidad para minimizar Falsos Negativos, clave en el diagnóstico clínico. Se aplican técnicas de XAI, como SHAP, LIME y explicaciones contrafácticas, para interpretar las predicciones y explicar las decisiones del modelo, identificando las características más relevantes para el diagnóstico del síndrome metabólico. Además, se aborda la cuantificación de la incertidumbre con Predicción Conforme, que proporcionó intervalos de predicción con garantía de cobertura y probabilidades calibradas. Estos enfoques garantizaron transparencia y confiabilidad, esenciales en un entorno médico regulado por normativas como la Ley de IA de la Unión Europea.

This final degree project focuses on the application of supervised machine learning techniques, employing explainability and uncertainty quantification methods, specifically for binary classification to predict metabolic syndrome, a medical condition that increases the risk of cardiovascular disease and diabetes. The work begins with an exploratory data analysis of a dataset composed of demographic and clinical measurements from over two thousand individuals labeled with either the absence or diagnosis of metabolic syndrome. Various models, such as random forest and gradient boosting machines, are trained and evaluated, optimizing hyperparameters and decision thresholds. The selected model is a random forest, chosen not only for its good performance but also for its ability to minimize false negatives, which is crucial in clinical diagnosis. Explainability techniques (XAI), such as SHAP, LIME, and counterfactual explanations, are applied to interpret predictions and explain the model's decisions, identifying the most relevant features for diagnosing metabolic syndrome. Furthermore, uncertainty quantification is addressed using Conformal Prediction, which provides prediction intervals with coverage guarantees and calibrated probabilities. These approaches ensured transparency and reliability, essential in a medical environment regulated by frameworks such as the European Union AI Act.