CLARITY: Medical World Model for Guiding Treatment Decisions by Modeling Context-Aware Disease Trajectories in Latent Space

1. El Problema

La toma de decisiones clínicas en oncología requiere predecir cómo evoluciona una enfermedad bajo diferentes tratamientos a lo largo del tiempo. Sin embargo, los sistemas de IA actuales presentan limitaciones críticas:

• Predicción Estática: La mayoría de los modelos actuales son predictores estáticos que estiman un único resultado basado en el estado actual, sin modelar la progresión longitudinal condicionada al tratamiento.
• Falta de Razonamiento Contrafactual: Los médicos necesitan evaluar estrategias de tratamiento alternativas (ej. "¿qué pasaría si cambiamos de quimioterapia?"), lo cual es un problema de decisión secuencial y contrafactual que los modelos actuales no resuelven bien.
• Limitaciones de los Modelos Generativos: Aunque los modelos generativos (como los basados en difusión) pueden sintetizar imágenes futuras, a menudo se centran en la apariencia superficial en lugar de capturar dinámicas fisiológicas robustas. Además, son computacionalmente costosos y carecen de mecanismos explícitos para conectar las transiciones visuales con intervenciones terapéuticas específicas.
• Incertidumbre Temporal: Los datos clínicos reales tienen intervalos de seguimiento irregulares y heterogeneidad entre pacientes, lo que dificulta la modelización temporal precisa.

2. Metodología: CLARITY

CLARITY es un Modelo Mundial Médico diseñado para simular trayectorias de enfermedades condicionadas al tratamiento y optimizar decisiones terapéuticas. Su arquitectura se basa en tres componentes principales y un marco de evaluación inversa:

A. Componentes del Modelo

1. Codificador Visual (MRI Encoder): Utiliza una base de visión preentrenada (3D) adaptada mediante LoRA (Low-Rank Adaptation) para extraer un estado latente visual inicial ($z_{pre}$) a partir de resonancias magnéticas (MRI) pre-tratamiento. Esto evita la reconstrucción de píxeles y se centra en características latentes biológicamente consistentes.
2. Agente de Políticas Terapéuticas (Therapy Policy Agent): Un Modelo de Lenguaje Multimodal (MLLM, ej. GPT-5) que genera combinaciones de tratamientos candidatas basadas en el contexto clínico del paciente (genómica, demografía, historial). Estos tratamientos se codifican en embeddings densos.
3. Módulo Actor (Modelo de Evolución de Enfermedad): Funciona como un modelo mundial latente. Recibe el estado visual inicial, el contexto clínico, el intervalo temporal y el embedding del tratamiento para predecir el estado latente post-tratamiento ($\hat{z}_{post}$) y estimar la probabilidad de supervivencia.
   • Contexto Temporal: Codifica intervalos de tiempo irregulares mediante embebidos sinusoidales.
   • Contexto Clínico: Integra variables heterogéneas (biomarcadores, edad, etc.) para personalizar la trayectoria.

B. Marco de Entrenamiento y Evaluación

• Pérdidas de Consistencia Latente: Se utiliza una pérdida de consistencia ($\ell_1$) entre el estado latente predicho y el real, junto con una regularización contrastiva suave. Esta última alinea las similitudes latentes con las similitudes semánticas entre tratamientos (ej. terapias con mecanismos similares deben producir transiciones latentes cercanas).
• Predicción de Supervivencia: Un predictor de supervivencia utiliza atención cruzada bidireccional entre el estado pre y post-tratamiento para generar puntuaciones de riesgo y probabilidades de supervivencia a un año, supervisadas mediante pérdida de Brier y verosimilitud parcial de Cox.

C. Evaluación Inversa de Supervivencia (Inverse Survival Evaluation)

Este es el núcleo del marco de "simulación a decisión":

1. Planificación de Largo Alcance: En lugar de elegir un tratamiento de forma codiciosa, el sistema formula la selección como un problema de optimización de trayectoria en un horizonte largo.
2. Optimización Entropía-Regularizada: Se busca maximizar una función objetivo que equilibra la minimización del riesgo de supervivencia acumulado con la entropía de la distribución de políticas (para mantener la exploración).
3. Bucle de Retroalimentación: El agente de políticas propone tratamientos, el Actor simula la trayectoria y evalúa el riesgo. Esta señal de riesgo se retroalimenta al agente para refinar iterativamente las propuestas de tratamiento (generalmente en 3 iteraciones), cerrando el ciclo de simulación-decisión.

3. Contribuciones Clave

1. Modelado de Enfermedad Condicionado al Tratamiento: Es el primer enfoque que modela la progresión longitudinal como transiciones fisiológicas continuas en un espacio latente visual, permitiendo la simulación contrafactual de dinámicas inducidas por el tratamiento.
2. Condicionamiento Temporal y Clínico Explícito: Codifica intervalos de tiempo continuos y contextos multimodales (genómica, historial) para generar predicciones individualizadas y coherentes longitudinalmente.
3. Integración de Predicción a Decisión: Introduce un marco de "Evaluación Inversa de Supervivencia" que transforma las proyecciones latentes en recomendaciones de tratamiento adaptativas e interpretables mediante un bucle de retroalimentación iterativo.

4. Resultados Experimentales

El modelo fue evaluado en tres conjuntos de datos oncológicos: dos cohortes de tumores cerebrales (MU-Glioma-Post y UCSF-ALPTDG en configuración zero-shot) y un conjunto de cáncer de mama (ISPY-2).

• Planificación de Tratamiento: CLARITY logró un F1-score de 57.1% en MU-Glioma-Post, superando significativamente a los modelos de línea base, incluyendo modelos de lenguaje grandes generales (GPT-4o: 42.1%) y modelos médicos especializados (Huatuo-Vision: 46.4%). También superó a un modelo de difusión re-implantado (MeWM*) con 43.6%.
• Análisis de Supervivencia: Logró un C-index de 0.794, superando a métodos clásicos como DeepSurv (0.664) y RSF (0.672). Las curvas de Kaplan-Meier mostraron una separación más clara entre estratos de riesgo con un valor p de log-rank significativamente menor (0.0017).
• Eficiencia Computacional: Al operar en el espacio latente en lugar de reconstruir píxeles, CLARITY es 9-15 veces más eficiente que los enfoques basados en difusión (4.21 TFLOPs vs 61.3 TFLOPs) y realiza inferencias en subsegundos (0.341s), lo que hace viable la evaluación inversa iterativa.
• Estudios de Ablación: Se demostró que el uso de dinámicas latentes (en lugar de difusión), la integración de contexto clínico y el bucle de retroalimentación iterativa son componentes esenciales para el rendimiento óptimo.

5. Significado e Impacto

CLARITY representa un avance fundamental en la inteligencia artificial para la oncología al pasar de la predicción estática a la simulación dinámica de escenarios clínicos.

• Viabilidad Clínica: Al proporcionar un marco computacionalmente eficiente para evaluar múltiples estrategias de tratamiento a largo plazo, ofrece una herramienta de apoyo a la decisión que se asemeja más al razonamiento clínico humano (simular, evaluar, refinar).
• Generalización: Su capacidad para funcionar zero-shot en nuevos conjuntos de datos y adaptarse a diferentes tipos de cáncer (cerebral y mamario) demuestra una fuerte generalización.
• Paradigma de Modelos Mundiales: Establece un nuevo estándar para la aplicación de modelos mundiales en medicina, priorizando la consistencia biológica y la toma de decisiones sobre la generación de imágenes superficiales.

En resumen, CLARITY cierra la brecha entre la predicción de la evolución de la enfermedad y la optimización de tratamientos, ofreciendo un sistema capaz de simular futuros médicos bajo diferentes intervenciones para guiar decisiones terapéuticas más precisas y personalizadas.