MUST: Modality-Specific Representation-Aware Transformer for Diffusion-Enhanced Survival Prediction with Missing Modality

Resumen Técnico: MUST

1. El Problema

La predicción de supervivencia en oncología de precisión requiere integrar múltiples fuentes de datos (modalidades), como imágenes de patología de diapositivas completas (WSI) y perfiles genómicos. Sin embargo, en la práctica clínica real, los datos suelen estar incompletos debido a restricciones de costos, limitaciones técnicas o disponibilidad de datos retrospectivos (ej. pacientes con datos genómicos pero sin biopsia, o viceversa).

Los métodos existentes enfrentan dos limitaciones fundamentales:

• Falta de modelado explícito: La mayoría asume datos completos o intenta alinear características sin distinguir qué información es única de una modalidad y qué información es compartida o inferible de otras.
• Degradación del rendimiento: Los enfoques de imputación o alineación generan características "pseudo" ruidosas o fallan al reconstruir componentes específicos de la modalidad ausente, lo que lleva a una caída drástica en la precisión predictiva cuando falta una modalidad.

2. Metodología: MUST

Los autores proponen MUST (Modality-Specific representation-aware Transformer), un marco novedoso que aborda la incompletitud mediante una descomposición algebraica rigurosa y modelos de difusión.

A. Descomposición Algebraica en un Subespacio Compartido
El núcleo de MUST es la descomposición explícita de la representación global de cada modalidad en dos componentes:

1. Componente Compartido ($\hat{c}$): Información que es inferible a partir de otras modalidades.
2. Componente Específico de la Modalidad ($\hat{u}$): Información única que no puede ser inferida de las demás.

Para lograr esto, el modelo utiliza:

• Atención Cruzada Bidireccional: Para extraer componentes contextualizados entre modalidades (patología $\leftrightarrow$ genómica).
• Subespacio Compartido de Bajo Rango: Se introduce una proyección de rango bajo ($P_\cap$) para definir un espacio compartido donde la información cruzada reside.
• Restricciones Algebraicas: Se imponen tres restricciones clave para garantizar la interpretabilidad y la recuperabilidad:
  1. Consistencia Compartida: Los componentes compartidos derivados de ambas modalidades deben ser idénticos.
  2. Ortogonalidad Inter-modal: Los componentes específicos de cada modalidad deben ser ortogonales entre sí.
  3. Ortogonalidad Intra-modal: Los componentes específicos y compartidos dentro de una misma modalidad deben ser ortogonales.

Esto permite una recuperación determinista: si falta una modalidad, el componente compartido puede calcularse algebraicamente a partir de la modalidad disponible ($\hat{c} = g_{disponible} - \hat{u}_{disponible}$).

B. Estrategia de Entrenamiento Progresivo

• Fase 1 (Calentamiento): Se entrena el codificador para aprender representaciones globales relevantes para la tarea con inyección de ruido, asegurando que los codificadores capturen señales informativas robustas.
• Fase 2 (Descomposición): Se introducen las restricciones algebraicas (pérdida de descomposición, consistencia y ortogonalidad) para forzar la separación de los componentes.

C. Generación con Modelos de Difusión Latente (LDM)
Para los componentes específicos de la modalidad que no pueden ser recuperados algebraicamente (ya que son únicos y no inferibles), MUST emplea Modelos de Difusión Latente Condicionales:

• Cuando falta una modalidad (ej. genómica), el modelo LDM genera el componente específico faltante ($\hat{u}_{G}$) condicionado en:
  1. El componente compartido recuperado ($\hat{c}$).
  2. Un token de clase aprendible que actúa como prior estructural.
• Esto aísla la generación estocástica solo a los residuos verdaderamente específicos, evitando el ruido en la información compartida.

3. Contribuciones Clave

1. Arquitectura de Descomposición Explícita: Un diseño que identifica algebraicamente qué información se pierde cuando falta una modalidad, permitiendo la recuperación determinista de los componentes compartidos.
2. Estrategia de Reconstrucción Híbrida: Combina la proyección algebraica determinista para la información compartida con la generación probabilística basada en difusión para la información específica, optimizando la calidad de la reconstrucción.
3. Invertibilidad Algebraica: A diferencia de métodos de alineación implícita, MUST garantiza que los componentes compartidos sean derivables determinísticamente de cualquier modalidad disponible.

4. Resultados Experimentales

El modelo fue evaluado en 5 conjuntos de datos de cáncer del TCGA (BLCA, BRCA, GBMLGG, LUAD, UCEC).

• Rendimiento con Datos Completos: MUST logra un estado del arte (SOTA) con un índice de concordancia (C-index) global de 0.742, superando a métodos como CMTA (0.724) y SurvPath.
• Robustez ante Datos Incompletos:
  • Falta de Genómica: C-index de 0.716 (degradación mínima del 3.5% respecto a datos completos), superando significativamente a LD-CVAE (0.697) y ShaSpec.
  • Falta de Patología: C-index de 0.739 (degradación del 0.4%). Curiosamente, en algunos conjuntos de datos, el rendimiento incluso mejora ligeramente al generar características de patología mediante difusión, lo que actúa como un regularizador que filtra el ruido de alto frecuencia de las imágenes.
• Análisis de Estratificación: Las curvas de Kaplan-Meier demuestran que la separación entre grupos de alto y bajo riesgo se mantiene estadísticamente significativa incluso con modalidades faltantes, algo que fallan métodos basados en alineación (como SMIL).

5. Significado e Impacto

• Viabilidad Clínica: MUST aborda el "abismo" entre la investigación con datos completos y la realidad clínica con datos fragmentados. Su latencia de inferencia (aprox. 879ms incluso con generación de difusión) es aceptable para la planificación de tratamientos.
• Paradigma de Diseño: El trabajo establece que la separación explícita de información "compartida" vs. "específica" mediante restricciones algebraicas es superior a los enfoques de alineación o imputación genérica.
• Generalización: La capacidad de manejar datos faltantes sin degradar drásticamente el rendimiento hace que este enfoque sea crucial para la implementación de IA en entornos médicos reales donde la recolección de datos multimodales completos es a menudo imposible.

En resumen, MUST representa un avance significativo al combinar la interpretabilidad algebraica con la potencia generativa de los modelos de difusión para resolver el problema crítico de la incompletitud de datos en la predicción de supervivencia oncológica.