QCS-ADME: Quantum Circuit Search for Drug Property Prediction with Imbalanced Data and Regression Adaptation

Resumen Técnico: QCS-ADME

1. Planteamiento del Problema

El campo de la biomedicina está explorando el uso del Aprendizaje Automático Cuántico (QML) para predecir propiedades ADME (Absorción, Distribución, Metabolismo y Excreción), críticas para la evaluación de fármacos. Sin embargo, los marcos existentes de Búsqueda de Circuitos Cuánticos (QCS) enfrentan desafíos únicos en este dominio:

• Datos Desbalanceados: Las tareas de clasificación en farmacología a menudo presentan distribuciones de clases muy desiguales (ej. 3:1 a 6:1 entre clases mayoritarias y minoritarias).
• Tareas de Regresión: La predicción de propiedades farmacocinéticas continuas requiere manejar salidas continuas, algo que los métodos de QCS tradicionales no abordan bien.
• Limitaciones de Evaluación: Los métodos actuales de QCS (como Elivagar) dependen de métricas de puntuación "sin entrenamiento" (training-free) diseñadas para datos balanceados y discretos. Estas métricas fallan al predecir el rendimiento en escenarios desbalanceados o de regresión, mostrando una correlación negligente con el rendimiento real en pruebas. Además, las soluciones existentes para desbalanceo (como Quantum-SMOTE) son computacionalmente costosas y no escalables dentro de un marco de búsqueda que evalúa miles de candidatos.

2. Metodología Propuesta (QCS-ADME)

Los autores proponen QCS-ADME, un marco adaptado que introduce un mecanismo de puntuación sin entrenamiento capaz de manejar tanto clasificación desbalanceada como regresión. El flujo de trabajo consta de cuatro fases:

1. Preprocesamiento: Conversión de estructuras químicas (SMILES) a vectores binarios de 128 bits (usando huellas dactilares MACCS).
2. Mapeo de Características Cuánticas: Codificación de los 128 bits clásicos en un espacio de Hilbert cuántico de 7 qubits mediante una capa de Angle Embedding.
3. Búsqueda y Puntuación de Circuitos: Evaluación de candidatos sin entrenamiento utilizando una métrica compuesta.
4. Ejecución y Evaluación: Selección de los mejores circuitos para entrenamiento y ejecución en hardware real o simuladores.

Innovaciones Clave en la Métrica de Puntuación:
La puntuación final se calcula como: $Score = CNR^{\alpha} \times RepCap$, donde $CNR$ es la Resiliencia al Ruido Clifford (eficiencia de hardware) y $RepCap$ es la Capacidad Representacional.

• Adaptación para Clasificación Desbalanceada (Matriz de Pesos $R_w$):

  • La métrica original RepCap mide la separación entre clases. En datos desbalanceados, favorece circuitos que ignoran la clase minoritaria.
  • Solución: Se introduce una matriz de pesos $R_w$ basada en la frecuencia inversa de las clases ($w_i = N/N_c$). Esta matriz se aplica a la matriz de referencia ideal ($R_{ref}$), amplificando la importancia de los pares de muestras de la clase minoritaria. Esto fuerza al algoritmo de búsqueda a encontrar circuitos que distingan robustamente todas las clases, no solo la mayoría.

• Adaptación para Tareas de Regresión (Similitud Gaussiana):

  • La métrica original asume etiquetas discretas. Para regresión, se necesita capturar relaciones continuas.
  • Solución: Se redefine la matriz de referencia $R_{ref}$ utilizando una función de similitud Gaussiana (Kernel RBF) sobre los valores objetivo: $R_{ref} = \exp(-\|y_i - y_j\|^2 / 2\sigma^2)$.
  • Esto transforma el problema de "separación de clases" a uno de "preservación de topología continua", incentivando al circuito cuántico a mapear entradas con valores objetivo similares a estados cuánticos cercanos en el espacio de Hilbert.

3. Contribuciones Clave

1. Mecanismo de Puntuación Sin Entrenamiento para Regresión: Generalización de la métrica RepCap de un espacio discreto a continuo mediante pesos Gaussianos, permitiendo la búsqueda de circuitos optimizados para regresión sin necesidad de entrenamiento previo costoso.
2. Matriz de Pesos Sensible a la Densidad ($R_w$): Una formulación matemática que corrige el sesgo hacia clases mayoritarias en la búsqueda de circuitos, penalizando aquellos que colapsan en la clase dominante.
3. Aplicación Integral a ADME: Primera aplicación exhaustiva de QCS a un conjunto diverso de tareas farmacológicas (8 clasificación desbalanceada, 4 regresión), incluyendo un análisis detallado de la brecha "simulación a realidad" (sim-to-real).

4. Resultados Experimentales

Los experimentos se realizaron en 8 tareas de clasificación y 4 de regresión utilizando datos del TDC (Therapeutic Data Commons) y hardware cuántico de IBM (procesador Rensselaer).

• Correlación Puntuación-Rendimiento:

  • La métrica revisada mostró una correlación moderada y significativa con el error de prueba (MSE) en tareas de regresión (correlación de Spearman entre -0.33 y -0.48) y en clasificación desbalanceada.
  • En comparación, el método base (Elivagar) mostró correlaciones negativas o insignificantes (ej. $R \approx 0.02$ en BBB_Martins), demostrando la superioridad de la adaptación propuesta.

• Comparación con Otros Métodos Cuánticos:

  • Los circuitos seleccionados por QCS-ADME superaron o fueron altamente competitivos frente a otros métodos de búsqueda (como QuantumNAS y Elivagar) en métricas como Exactitud, F1-score y PR-AUC en la mayoría de las tareas.

• Comparación con Modelos Clásicos:

  • Clasificación: Los circuitos cuánticos fueron competitivos en algunas métricas (ej. F1-score en BBB_Martins), pero generalmente quedaron por detrás de modelos clásicos (XGBoost, Random Forest) en métricas como PR-AUC.
  • Regresión: Se observó una brecha de rendimiento significativa. Los modelos clásicos superaron consistentemente a los circuitos cuánticos, logrando errores (MSE) mucho menores (ej. en Half_Life_Obach, los modelos clásicos alcanzaron MSE $\approx 0.003$ frente a $\approx 0.279$ del modelo cuántico).

• Análisis Simulación vs. Hardware Real:

  • Regresión: El ruido del hardware degradó uniformemente el rendimiento (aumento del 24-37% en la pérdida media) y aumentó la inestabilidad.
  • Clasificación: El efecto fue más matizado. En la tarea Bioavailability_Ma, el hardware real superó a la simulación sin ruido, sugiriendo que el ruido intrínseco puede actuar como un regularizador beneficioso en ciertos paisajes de problemas.

5. Significado y Conclusión

El trabajo QCS-ADME representa un avance crucial al adaptar la Búsqueda de Circuitos Cuánticos para las complejidades del mundo real en la farmacología.

• Validación de Métricas: Demuestra que es posible predecir el rendimiento de circuitos cuánticos para tareas complejas (desbalanceadas y continuas) sin el costo computacional del entrenamiento completo.
• Desafíos Actuales: Aunque el marco de búsqueda es efectivo para seleccionar circuitos, existe una brecha de rendimiento sustancial entre los algoritmos cuánticos actuales (NISQ) y los métodos clásicos de regresión, especialmente debido a la sensibilidad al ruido.
• Futuro: Los autores sugieren que la próxima generación de algoritmos debe incorporar estrategias de poda de circuitos conscientes de la tarea y mecanismos de robustez ante ruido de etiquetas para cerrar esta brecha y aprovechar el potencial de regularización del ruido en hardware real.

En resumen, el paper establece un nuevo estándar para la evaluación de circuitos cuánticos en aplicaciones biomédicas, proporcionando herramientas matemáticas para navegar la complejidad de los datos farmacológicos desbalanceados y continuos.