Imputation-free transformer learning enables robust Alzheimer's disease prediction and calibrated uncertainty quantification across heterogeneous clinical cohorts

Resumen Técnico: NITROGEN para la Predicción de la Enfermedad de Alzheimer Libre de Imputación

Planteamiento del Problema
La clasificación diagnóstica precisa y la predicción de la severidad de la enfermedad en la enfermedad de Alzheimer (EA) se ven obstaculizadas por la omnipresente incompletitud y heterogeneidad de los datos clínicos del mundo real. Los conjuntos de datos multimodales suelen integrar mediciones demográficas, genéticas, de neuroimagen y moleculares; sin embargo, estas modalidades están distribuidas de manera desigual entre individuos y estudios debido a las variaciones en los protocolos de adquisición y el cumplimiento de los pacientes. Las estrategias convencionales de "imputar-luego-predecir" abordan esto reemplazando los valores faltantes con datos sintéticos. No obstante, los autores argumentan que dicha imputación introduce un sesgo sistemático, distorsiona las relaciones entre características y genera predicciones excesivamente confiadas. Estas limitaciones son particularmente trascendentales en entornos diagnósticos donde la cuantificación de la incertidumbre es esencial para la toma de decisiones clínicas. Además, los modelos existentes que consideran la ausencia de datos a menudo no logran distinguir entre la incertidumbre derivada de la dificultad inherente de un caso y la incertidumbre derivada de la ausencia de información diagnóstica crítica.

Metodología: El Marco de Trabajo NITROGEN
Los autores proponen NITROGEN (No-imputation Inter-sample-attention TRansformer Oriented for GENeral datasets), una arquitectura de transformador libre de imputación diseñada para aprender directamente de registros parcialmente observados. El marco integra dos mecanismos clave:

1. Atención de Características Enmascarada (NAIM): Basado en el modelo NAIM, NITROGEN emplea un mecanismo de autoatención enmascarada que ignora explícitamente los valores faltantes durante el aprendizaje de representaciones. En lugar de imputar datos, el modelo utiliza una matriz de enmascaramiento para suprimir la contribución de las características faltantes dentro del cálculo de la atención, asegurando que nunca se introduzca evidencia sintética.
2. Atención entre Muestras (inspirada en SAINT): Para estabilizar las predicciones en cohortes heterogéneas, la arquitectura incorpora un módulo de atención entre muestras. Esto permite al modelo aprender estructuras relacionales entre diferentes pacientes dentro de un mini-lote (mini-batch), aprovechando patrones compartidos para compensar las entradas ruidosas o faltantes a nivel individual.

El modelo fue entrenado con el conjunto de datos de la Alzheimer's Disease Neuroimaging Initiative (ADNI) ($N=7,858$ escaneos) y evaluado sin reentrenamiento en dos cohortes externas independientes: OASIS-3 ($N=2,675$) y AIBL ($N=1,286$). La evaluación cubrió tres tareas: clasificación binaria (CN vs. AD), clasificación multiclase (CN vs. MCI vs. AD) y predicción continua de puntuación cognitiva (MMSE y CDR-SB).

Para abordar la fiabilidad de las estimaciones de probabilidad bajo datos incompletos, los autores introdujeron un ajuste de incertidumbre consciente de la modalidad. Este método escala la incertidumbre predictiva (entropía de Shannon) de una muestra basándose en la importancia estimada de las modalidades ausentes. Si una modalidad altamente informativa (por ejemplo, biomarcadores de LCR) está ausente, la confianza del modelo se reduce explícitamente, proporcionando una medida calibrada de confiabilidad que refleja la disponibilidad de los datos.

Resultos Clave

• Robustez y Calibración: En todas las cohortes y tareas, NITROGEN demostró una calibración de probabilidad superior en comparación con los métodos de ensamblaje basados en árboles (XGBoost, LightGBM, Random Forest). Aunque los modelos basados en árboles a menudo alcanzaron una alta precisión discriminativa (AUC) en datos de la misma distribución (in-distribution), exhibieron una confianza excesiva sistemática, particularmente bajo el cambio de dominio (por ejemplo, en la cohorte OASIS-3). NITROGEN mantuvo predicciones bien calibradas, mostrando una brecha mayor en las probabilidades de predicción entre casos correctos e incorrectos, lo que indica una mejor conciencia de la incertidumbre.
• Generalización entre Cohortes: El modelo mostró una transferencia robusta a cohortes externas. El rendimiento en AIBL fue sólido, probablemente debido a estrategias de reclutamiento compartidas con ADNI. En OASIS-3, que se enfoca en poblaciones preclínicas con una distribución diferente, el rendimiento se degradó como era de esperar para todos los modelos, pero NITROGEN mantuvo una sensibilidad competitiva sin la varianza extrema observada en algunos modelos basados en árboles.
• Atribución de Características y Suficiencia: La atribución de características basada en permutación identificó el grosor cortical en el polo temporal bilateral, el genotipo APOE$\epsilon$4 y la edad como las características más consistentemente importantes en todos los modelos y cohortes. Un análisis de suficiencia reveló que, si bien la característica del polo temporal por sí sola porta una señal de clasificación de estado de AD reproducible, es insuficiente para una clasificación estable a nivel de decisión sin un contexto demográfico y genético complementario.
• Ajuste de Incertidumbre: El ajuste de incertidumbre consciente de la modalidad propuesto mejoró la fiabilidad de la predicción selectiva. Al excluir las predicciones con alta incertidumbre ajustada, el modelo logró una mayor precisión en el subconjunto retenido en comparación con el uso de la entropía bruta, demostrando que el ajuste identifica eficazmente las predicciones menos fiables cuando faltan modalidades críticas.

Significancia y Reivindicaciones
El artículo sostiene que NITROGEN demuestra que el aprendizaje de atención libre de imputación puede preservar una discriminación significativa bajo cambios de cohorte externa, revelando al mismo tiempo la degradación de rendimiento esperada en datos con distribuciones diferentes. Los autores enfatizan que la evaluación de modelos de aprendizaje automático para enfermedades neurológicas requiere dimensiones que van más allá de la precisión predictiva, específicamente la calibración, la interpretabilidad y la fiabilidad entre cohortes.

El estudio concluye que:

1. La imputación no es necesaria: Es posible realizar un aprendizaje multimodal significativo directamente desde registros incompletos sin introducir sesgos sintéticos.
2. La incertidumbre debe ser consciente del contexto: En entornos clínicos, la confianza de un modelo debe reflejar no solo la dificultad del caso, sino también la completitud de la evidencia diagnóstica.
3. El polo temporal como biomarcador robusto: La selección consistente del grosor cortical del polo temporal a través de diversos conjuntos de datos y métodos sugiere que es una característica estructural robusta para la EA, aunque funciona mejor en conjunción con otras modalidades.

Los autores posicionan su trabajo como un paso hacia el despliegue clínico confiable, argumentando que los modelos deben ser transparentes sobre la información faltante para ser útiles en flujos de trabajo diagnósticos del mundo real donde la completitud de los datos varía.