LASSO

(categorie: statistică, inteligență artificială)

LASSO este o metodă de regresie care penalizează complexitatea modelului și poate reduce la exact zero contribuția variabilelor cu efect mic, eliminându-le astfel din model. Numele este acronimul denumirii engleze, care se traduce aproximativ ca operator de contracție și selecție a valorilor absolute.

Este una dintre cele două metode de selecție a variabilelor folosite în studiul din 2026: a păstrat 16 variabile din cele 27 disponibile în prima zi.

Cum funcționează

Un model de regresie obișnuit caută coeficienții care se potrivesc cel mai bine datelor. LASSO adaugă la această căutare o penalizare proporțională cu suma valorilor absolute ale coeficienților, ceea ce forțează modelul să îi mențină mici.

Particularitatea matematică a acestei forme de penalizare este că unii coeficienți ajung la exact zero, nu doar aproape de zero. O variabilă cu coeficient zero nu mai contribuie la predicție, deci este efectiv eliminată din model.

Intensitatea penalizării este controlată de un parametru. La valori mici, aproape toate variabilele rămân; la valori mari, tot mai puține. Valoarea optimă se alege de obicei prin validare încrucișată: se testează mai multe valori și se păstrează cea care dă cea mai bună performanță pe date pe care modelul nu le-a văzut.

Limita cunoscută apare la variabilele corelate. Când două variabile măsoară lucruri similare — ureea și creatinina, de exemplu —, LASSO tinde să aleagă arbitrar una și să o elimine pe cealaltă. Alegerea poate varia cu mici schimbări în date.

Roluri

Selecția variabilelor

Reduce un set mare de variabile candidate la un subset util, automat și pe baza datelor, nu a judecății experților.

Prevenirea supraajustării

Penalizarea complexității reduce riscul ca modelul să învețe particularități întâmplătoare ale setului de antrenament.

Rezultatul în studiul din 2026

Din 27 de caracteristici disponibile în prima zi, a păstrat 16, după eliminarea prealabilă a variabilelor prea strâns corelate.

Componentă a elastic net

Combinată cu o penalizare de tip ridge, formează elastic net, care tratează mai bine variabilele corelate.

Relevanță clinică

Metodologia studiului din 2026 merită urmărită pas cu pas, pentru că ilustrează o practică bună. Autorii au pornit de la 27 de caracteristici. Au eliminat mai întâi variabilele prea strâns corelate între ele, care ar fi adus aceeași informație de două ori. Apoi au folosit două metode independente de selecție.

LASSO a păstrat 16 variabile. Boruta, care funcționează pe un principiu complet diferit, a confirmat nouă. Autorii au reținut numai variabilele alese de ambele metode — au rămas șase.

Această dublă filtrare este o precauție serioasă. O variabilă păstrată de o singură metodă poate fi păstrată din întâmplare sau din cauza unei particularități a metodei. O variabilă confirmată de două metode cu mecanisme diferite este mult mai probabil să fie real utilă.

Rezultatul a avut și coerență fiziologică, ceea ce autorii au notat ca un semn bun: ureea și albumina surprind scurgerea lichidelor din vase și suferința renală, leucocitele măsoară inflamația, trombocitele și aPTT reflectă coagularea, iar indicele TyG aduce fondul metabolic.

Pentru citirea studiilor, întrebarea utilă este nu doar câte variabile a reținut modelul, ci și cum a fost făcută selecția și dacă rezultatul are sens biologic. Un set de variabile fără logică fiziologică ridică suspiciunea de supraajustare.

Ce trebuie raportat

Numărul de variabile candidate inițiale și numărul reținut.

Metoda de alegere a intensității penalizării, de obicei validarea încrucișată.

Normalizarea variabilelor, necesară pentru ca penalizarea să fie echitabilă între ele.

Tratarea variabilelor corelate, înainte sau prin metoda de selecție.

Coerența fiziologică a variabilelor reținute.

Factori care influențează rezultatul unei selecții LASSO

Intensitatea penalizării aplicate.

Gradul de corelație între variabilele candidate.

Numărul de evenimente disponibile.

Normalizarea variabilelor de intrare.

Dimensiunea setului de antrenament.

Prezența valorilor lipsă și modul de imputare.

Metoda de validare folosită pentru alegerea parametrului.

LASSO în context Healthwise

LASSO a rezolvat o problemă veche a statisticii medicale: cum alegi variabilele într-un model fără să te bazezi pe judecata subiectivă sau pe teste repetate care duc la rezultate fals pozitive. Răspunsul lui — penalizează complexitatea — este simplu și a schimbat practica.

Pe Healthwise, apare ca una dintre cele două metode de selecție a variabilelor folosite în studiul despre predicția insuficienței de organ din pancreatita acută.

Concluzie

LASSO penalizează complexitatea unui model de regresie și poate reduce la exact zero coeficienții variabilelor cu efect mic, eliminându-le din model.

Ce trebuie reținut: în studiul din 2026 a păstrat 16 variabile din 27, iar intersecția cu rezultatul metodei Boruta a dat cele șase variabile finale; tinde însă să aleagă arbitrar între variabile corelate, motiv pentru care acestea se elimină înainte.