Multi-Modal Graph Neural Network with Transformer-Guided Adaptive Diffusion for Preclinical Alzheimer Classification

Resumen Técnico: Red Neuronal de Grafos Multimodal con Difusión Adaptativa Guiada por Transformer para la Clasificación de Alzheimer Preclínico

Planteamiento del Problema
La representación gráfica del cerebro, construida a partir de regiones de interés (ROI) y sus características de conectoma, ofrece información crítica para el diagnóstico de enfermedades neurodegenerativas como la enfermedad de Alzheimer (EA). Sin embargo, las Redes Neuronales de Grafos (GNN) existentes enfrentan limitaciones inherentes en la interpretación de estas redes. Los enfoques convolucionales tradicionales tienen dificultades para agregar información de vecindarios distantes, mientras que los métodos basados en atención a menudo no logran capturar suficiente información centrada en los nodos, particularmente respecto a las características críticas de los nodos pivotales. Estas deficiencias dificultan la identificación de variaciones específicas de la enfermedad al utilizar diversas características de múltiples modalidades de imagen (por ejemplo, MRI, PET). Además, la heterogeneidad introducida por múltiples magnitudes de biomarcadores complica el análisis de las propiedades locales frente a las globales del grafo.

Metodología: Marco GTAD
Los autores proponen GTAD (GNN con Difusión Adaptativa Guiada por Transformer), un marco integrado diseñado para agregar propiedades de grafos de corto alcance (locales) y largo alcance (globales). La arquitectura consta de tres componentes principales:

1. Bloque de Convolución Adaptativa por Modalidad:

   • El modelo trata la red cerebral como un grafo no dirigido $G$ con un Laplaciano normalizado $\hat{L}$.
   • Para cada modalidad de imagen $m$, un codificador procesa las características de los nodos $x^m$ utilizando una convolución de kernel de calor. La operación de convolución se define como $H^m_z = \sigma_z(e^{-s^m \hat{L}} H^m_{z-1} W^m_z)$, donde $s^m$ representa un vector de escala por nodo entrenable específico para cada modalidad.
   • A diferencia de los kernels fijos, estas escalas se aprenden para capturar adaptativamente las características locales de los nodos individuales para diferentes modalidades. Esto permite que el modelo determine el rango de vecindad óptimo para cada ROI basándose en los datos de imagen específicos.

2. Bloque de Autoatención por Modalidad:

   • Las incrustaciones (embeddings) $\{H^m_Z\}$ del bloque de convolución se introducen en un mecanismo de autoatención basado en Transformer.
   • A diferencia de los Transformers estándar que a menudo tratan todos los tokens de manera uniforme, GTAD asigna una cabeza de atención específica a cada modalidad. Esto permite al modelo integrar información de largo alcance a través del grafo que no es capturada por la convolución local.
   • La autoatención de múltiples cabezales computa las características globales atendiendo conjuntamente a la información de diferentes modalidades a través de varios ROIs. El bloque incluye conexiones residuales y normalización de capa para estabilizar el aprendizaje.

3. Actualización de Escala Guiada por Transformer:

   • La representación global $B_P$ del bloque de atención se pasa a un clasificador descendente para predecir la etiqueta de la enfermedad.
   • La función de pérdida (entropía cruzada) se retropropaga no solo para actualizar los pesos, sino también para actualizar las escalas específicas de la modalidad $s^m$.
   • Se aplica una regularización de norma $\ell_1$ para asegurar escalas positivas para el kernel de calor. Este mecanismo permite que el Transformer guíe el proceso de difusión adaptativa, ajustando efectivamente los campos receptivos locales basados en la tarea de clasificación global.

Contribuciones Clave

1. Marco Novedoso: El artículo propone un marco que agrega propiedades de corto alcance mediante kernels de difusión adaptativa y propiedades de largo alcance mediante atención de múltiples cabezales, abordando las limitaciones de las GNN puramente convolucionales o puramente basadas en atención.
2. Desempeño Superior: El modelo demuestra un desempeño de vanguardia en tareas de clasificación de grafos para el Alzheimer preclínico, superando a varios modelos de referencia (baselines) incluyendo GNNs basadas en convolución (GCN, GAT), basadas en difusión (GraphHeat, GDC, ADC, LSAP) y Graph Transformers (NodeFormer, DIFFormer, SGFormer).
3. Interpretabilidad: El marco proporciona interpretabilidad mediante el aprendizaje de escalas por nodo y puntuaciones de atención. Esto permite la identificación de ROIs clave asociados con las etapas de Alzheimer preclínico, ofreciendo información sobre qué regiones anatómicas son más críticas para modalidades de imagen específicas.

Resultados Experimentales
Los experimentos se realizaron en el conjunto de datos de la Alzheimer's Disease Neuroimaging Initiative (ADNI), que comprende 919 sujetos preclínicos clasificados en Control (CN), Preocupación de Memoria Significativa (SMC) e Deterioro Cognitivo Leve Temprano (EMCI). El estudio utilizó redes cerebrales estructurales de Imagen de Tensor de Difusión (DTI) y medidas de ROI de FDG-PET, Amyloid-PET y MRI (grosor cortical).

• Precisión de Clasificación: GTAD logró la precisión más alta en todas las combinaciones experimentales de modalidades. Notablemente, alcanzó una precisión del 96.3% cuando utilizó todas las características de imagen, superando al siguiente mejor método basado en Transformer (SGFormer con 95.1%).
• Robustez: El modelo mantuvo un alto desempeño incluso en condiciones difíciles, como la predicción de etapas tempranas de la EA utilizando el grosor cortical y $\beta$-Amiloide, donde la precisión alcanzó el 94.5%.
• Estudio de Ablación: Eliminar la capa de convolución adaptativa o el mecanismo de atención multimodal resultó en caídas significativas de desempeño, confirmando que el entrenamiento conjunto de las escalas adaptativas locales y la atención global es esencial para la efectividad del modelo.

Hallazgos de Interpretabilidad
El estudio analizó las escalas aprendidas y las puntuaciones de atención para identificar variaciones específicas de la enfermedad:

• Escalas Adaptativas: El modelo identificó que los ROIs con escalas entrenadas pequeñas dependen fuertemente de la información de los vecinos, mientras que aquellos con escalas grandes requieren características distantes. Las escalas variaron significativamente entre modalidades para un mismo segmento cerebral, proporcionando una comprensión multidimensional de las subredes.
• ROIs Clave: El modelo destacó regiones específicas con alta importancia, incluyendo el giro lingual (detectado con la tasa de importancia más alta en todas las modalidades), el hipocampo (alta importancia en FDG) y el putamen (alta en Grosor Cortical y $\beta$-Amiloide). Estas regiones son conocidas por ser de las primeras en verse afectadas en la progresión de la EA.

Significancia
Los autores afirman que GTAD ofrece una solución práctica para la clasificación e interpretación del Alzheimer preclínico. Al combinar eficazmente las propiedades de grafos locales y globales mediante un proceso de difusión guiado por Transformer, el modelo no solo mejora la precisión diagnóstica, sino que también identifica regiones anatómicas clave asociadas con la enfermedad. Esta capacidad dual apoya el diagnóstico temprano y el potencial de estrategias de prevención de enfermedades al elucidar las variaciones específicas de los biomarcadores vinculadas a las etapas preclínicas del Alzheimer.