Neuro-Oracle: A Trajectory-Aware Agentic RAG Framework for Interpretable Epilepsy Surgical Prognosis

1. Problema y Contexto

La predicción de los resultados postquirúrgicos en la epilepsia farmacorresistente es un desafío clínico crítico. Aunque la cirugía de resección es curativa para muchos, las tasas de éxito varían significativamente (65-70% en lobectomías temporales frente a 40-55% en resecciones no temporales).

Los enfoques actuales de aprendizaje profundo presentan tres limitaciones principales:

1. Estaticidad: Operan sobre escaneos preoperatorios únicos, ignorando los cambios morfológicos longitudinales (la evolución de la atrofia cortical o cambios estructurales entre el estado pre y postoperatorio).
2. Sobrealajamiento (Overfitting): Los cohortes quirúrgicos son pequeños (cientos de pacientes), lo que hace que los clasificadores de extremo a extremo con alta capacidad sean propensos a sobreajustarse.
3. Falta de interpretabilidad: Los modelos estándar devuelven solo probabilidades sin justificación clínica verificable, lo que limita su adopción en la toma de decisiones quirúrgicas.

Además, el artículo destaca una limitación metodológica crucial: al no tener datos reales de "libertad de convulsiones" (Engel Class) en el conjunto de datos público EPISURG, el modelo utiliza una etiqueta proxy basada en el tipo de cirugía (temporal vs. no temporal). Esto significa que el modelo podría estar aprendiendo las características anatómicas de las cavidades de resección en lugar de la patología epiléptica real, sirviendo principalmente como una prueba de concepto arquitectónica.

2. Metodología: El Framework Neuro-Oracle

Neuro-Oracle es un marco de trabajo de tres etapas que integra aprendizaje contrastivo, recuperación de información (RAG) y agentes de lenguaje grande (LLM).

Fase 1: Codificación de Trayectoria Contrastiva

• Entrada: Pares de resonancias magnéticas (MRI) T1 preoperatorias ($X_{t0}$) y postoperatorias ($X_{t1}$) alineadas rigidamente.
• Arquitectura: Se utiliza una red Siamesa 3D basada en un backbone ResNet-50 (implementado en MONAI).
• Procesamiento: La red extrae características de ambas imágenes y calcula el vector de diferencia ($v_{t1} - v_{t0}$). Este vector se proyecta mediante una capa MLP a un vector de trayectoria compacto de 512 dimensiones.
• Entrenamiento: Se emplea una pérdida combinada de Contraste Supervisado (SupCon) y Focal Loss para manejar el desequilibrio de clases (4:1) y maximizar la separación entre trayectorias de diferentes resultados.

Fase 2: Búsqueda en Archivo de Población

• Se construye un archivo histórico con los vectores de trayectoria de todos los pacientes de entrenamiento.
• Para un nuevo paciente, se realiza una búsqueda de vecinos más cercanos (k-NN) basada en similitud coseno (equivalente a producto interno en vectores normalizados) utilizando el índice FAISS.
• Se recuperan los $k=5$ casos históricos más similares geométricamente.

Fase 3: Agente de Razonamiento LLM (RAG)

• Agente: Se utiliza un modelo Llama-3-8B-Instruct cuantizado a 4 bits (NF4).
• Prompting: El agente recibe los metadatos del paciente de consulta y los perfiles de los 5 vecinos recuperados. Se incluye una instrucción explícita para filtrar mentalmente coincidencias con una diferencia de edad superior a 15 años.
• Salida: El modelo genera una justificación en lenguaje natural y un veredicto binario (SUCCESS/FAILURE).
• Fusión Calibrada: La probabilidad final es una combinación ponderada: $0.60 \times p_{vecinos} + 0.40 \times p_{LLM}$. Esto equilibra la evidencia geométrica con el razonamiento semántico del agente.

3. Contribuciones Clave

1. Enfoque de Trayectoria: Es uno de los primeros marcos que codifica explícitamente el cambio morfológico longitudinal (pre-post) en un vector de baja dimensión para la predicción de resultados, superando la limitación de los escaneos estáticos.
2. RAG Agéntico en Neuroimagen: Aplica el paradigma de Generación Aumentada por Recuperación (RAG) a datos volumétricos 3D médicos, utilizando un agente LLM para sintetizar pronósticos basados en evidencia recuperada, en lugar de un clasificador fijo.
3. Interpretabilidad y Trazabilidad: A diferencia de las "cajas negras", Neuro-Oracle proporciona justificaciones en lenguaje natural y rastrea la evidencia histórica específica que fundamenta cada predicción, con una tasa de alucinación cero bajo su protocolo de auditoría.
4. Reproducibilidad Total: Todo el sistema se basa en conjuntos de datos públicos (EPISURG) y herramientas de código abierto.

4. Resultados

Evaluado mediante validación cruzada estratificada de 5 pliegues en el conjunto EPISURG (N=268):

• Rendimiento de Clasificación:
  • Los métodos basados en trayectorias superaron consistentemente al baseline estático (ResNet-50 en un solo escaneo, AUC 0.793).
  • El Ensemble de Diversidad Siamesa (M6) alcanzó el AUC más alto (0.905) sin usar LLM.
  • Neuro-Oracle (M5) logró un AUC de 0.867, igualando al baseline de ViT estático (M2) y superando significativamente al ResNet-50 estático, mientras añade interpretabilidad.
• Sensibilidad: Los métodos de trayectoria mostraron una sensibilidad mucho mayor para la clase minoritaria (resultados desfavorables) en comparación con los clasificadores estáticos.
• Calibración: Al optimizar el umbral de decisión (bajándolo a 0.34), Neuro-Oracle mejoró su sensibilidad a 0.698 manteniendo una especificidad alta (0.916).
• Auditoría del LLM: Se reportó una tasa de adherencia al filtro de edad del 73.9% y una tasa de alucinación del 100% (definida como cero alucinaciones, es decir, ninguna respuesta contenía información fuera del contexto de recuperación).

5. Significado y Limitaciones

Significado:
El trabajo demuestra que integrar la evolución temporal de la neuroimagen con agentes de IA generativa puede crear herramientas de soporte a la decisión clínica más robustas y confiables. La capacidad de "explicar" por qué se hace una predicción (citando casos históricos similares) es vital para la aceptación clínica, incluso si el rendimiento puro de AUC es ligeramente inferior al de un ensemble discriminativo puro.

Limitaciones:

• Etiqueta Proxy: El modelo se entrena para predecir el tipo de cirugía (temporal vs. no temporal) en lugar del resultado clínico real de libertad de convulsiones, debido a la falta de datos de seguimiento en el conjunto público. Esto introduce ruido en la etiqueta.
• Tamaño de la Cohorte: Con solo 268 pacientes, los intervalos de confianza son amplios y la generalización a otros centros o escáneres no está garantizada.
• Complejidad: El uso de un LLM añade latencia computacional, aunque se mitigó mediante cuantización.

En conclusión, Neuro-Oracle establece un nuevo paradigma para la pronóstico quirúrgico en epilepsia, priorizando la interpretabilidad y el uso de evidencia longitudinal, sirviendo como una base sólida para futuros sistemas que incorporen registros de resultados clínicos reales.