An Explainable AI Framework Integrating Survival Analysis and Machine Learning for COX Inhibitor Evaluation

Resumen Técnico: Un Marco de IA Explicable que Integra el Análisis de Supervivencia y el Aprendizaje Automático para la Evaluación de Inhibidores de COX

Planteamiento del Problema
La evaluación de los inhibidores de la Ciclooxigenasa (COX), particularmente para la modulación de la inflamación y el dolor, enfrenta un cuello de botella metodológico caracterizado por enfoques analíticos fragmentados y una reducida interpretabilidad de los modelos. Si bien el aprendizaje automático (ML) ofrece una capacidad superior de reconocimiento de patrones para conjuntos de datos bioquímicos complejos, a menudo carece de la transparencia requerida para la toma de decisiones clínicas. Por el contrario, el análisis de supervivencia clásico, específicamente el modelo de Riesgos Proporcionales de Cox (Cox PH), proporciona razones de riesgo (hazard ratios) interpretables, pero puede fallar al capturar relaciones no lineales e interacciones complejas inherentes a las covariables bioquímicas. Existe una falta de marcos unificados que comparen conjuntamente los modelos de supervivencia clásicos frente a algoritmos modernos de ML dentro de un flujo de trabajo consistente y explicable para la evaluación preclínica de fármacos.

Metodología
El estudio propone un marco integrado de modelos múltiples que combina el análisis de supervivencia con el aprendizaje automático basado en clasificación, evaluado mediante un riguroso protocolo de validación cruzada anidada (NCV).

• Conjuntos de Datos: La investigación utiliza tres fuentes de datos complementarias para asegurar la robustez y la evaluación metodológica:

  1. Conjunto de Datos Bioquímicos Experimentales ($n=90$): Derivado de ensayos de viabilidad MTT in-house en tres líneas celulares de cáncer humano (HeLa, HCT-116, HepG2) tratadas con híbridos de benzimidazol-triazol sintetizados a diversas concentraciones y puntos temporales.
  2. Conjunto de Datos de Referencia Estandarizado ($n=1000$): Un conjunto de datos generado sintéticamente (línea base JPDR) basado en riesgos base de Weibull y supuestos estadísticos predefinidos. Este conjunto se utiliza exclusivamente para el benchmarking metodológico y el análisis de estabilidad, no para la inferencia biológica.
  3. Cohorte Armonizada ($n=312$): Una cohorte semi-sintética creada mediante la integración de los datos experimentales con un subconjunto estadísticamente emparejado del conjunto de datos de referencia para equilibrar el realismo biológico con el poder estadístico.

• Modelos Evaluados: Se compararon sistemáticamente seis modelos predictivos:

  • Modelos de Supervivencia: Riesgos Proporcionales de Cox (Cox PH), Cox Elastic-Net (Cox-ML) y Red de Supervivencia Profunda (Deep-S).
  • Modelos de Clasificación: Regresión Logística, Bosque Aleatorio (RF) y Máquina de Vectores de Soporte (SVM).
  • Ensamble: Un promedio ponderado de los modelos base.

• Protocolo de Evaluación:

  • Validación Cruzada Anidada: Un bucle externo de 5 pliegues para la estimación del rendimiento y un bucle interno de 5 pliegues para el ajuste de hiperparámetros (usando búsqueda de cuadrícula o aleatoria) para prevenir el sobreajuste.
  • Métricas: El rendimiento se midió utilizando el Índice de Concordancia (C-index) para la discriminación de supervivencia, el Área Bajo la Curva ROC (AUC) y la Exactitud para la clasificación, y el Puntaje de Brier Integrado (IBS) para la calibración.
  • Explicabilidad (XAI): El marco incorpora valores SHAP (Valores de Explicación de Shapley) para cuantificar las contribuciones de las características. Se introdujo un nuevo Índice de Estabilidad SHAP (SI) para evaluar la consistencia de los rankings de importancia de las características a través de 100 réplicas de bootstrap.
  • Diagnósticos: Los supuestos de Cox PH se validaron mediante residuos de Schoenfeld y gráficos de Martingale. Se utilizaron estadísticas de concordancia dependientes del tiempo (C de Uno) para los modelos de supervivencia.

Contribuciones Clave

1. Marco de Benchmarking Unificado: El estudio establece un flujo coherente para comparar modelos de supervivencia clásicos y clasificadores de ML flexibles en datos bioquímicos, abordando la brecha en la literatura previa que a menudo trata estos paradigmas por separado.
2. Estrategia de Evaluación de Cohortes Múltiples: Al utilizar conjuntos de datos experimentales, simulados y armonizados, el marco permite una evaluación metodológica controlada manteniendo un vínculo con la realidad biológica.
3. Integración de IA Explicable: El documento introduce un Índice de Estabilidad SHAP (SI) para cuantificar la repetibilidad de la importancia de las características bajo remuestreo, llenando un vacío en el análisis de supervivencia explicable. También propone una capa de interpretación de residuos para mapear los residuos del modelo a las covariables bioquímicas.
4. Armonización de Tareas Cruzadas: Los autores demuestran un método para convertir las predicciones de supervivencia de tiempo hasta el evento en probabilidades de riesgo de horizonte fijo (365 días), permitiendo la comparación directa entre métricas de supervivencia y de clasificación (AUC, Exactitud) en una escala unificada.

Resultados

• Rendimiento Predictivo:

  • El Bosque Aleatorio (RF) alcanzó consistentemente la mayor discriminación y exactitud en las tareas de clasificación, con un AUC de 0.89 y una exactitud de 0.85 en la cohorte armonizada. Demostró una capacidad superior para capturar relaciones dosis-respuesta no lineales.
  • Deep-S (Supervivencia Profunda) logró la mayor discriminación dependiente del tiempo entre los modelos de supervivencia con un C-index de 0.83 y el menor Puntaje de Brier Integrado (0.142), indicando una excelente calibración.
  • Cox PH proporcionó un C-index de 0.78 (en la cohorte armonizada) y se mantuvo como el modelo más interpretable, ofreciendo estimaciones estables de las razones de riesgo.
  • Los modelos de ensamble mejoraron ligeramente las métricas de rendimiento sobre los modelos individuales superiores, lo que sugiere que la agregación reduce la varianza.

• Importancia de las Características y Estabilidad:

  • El análisis SHAP identificó la Dosis y la Covariable 1 como los predictores dominantes de la eficacia de los inhibidores de COX.
  • Estas características exhibieron una alta estabilidad (SI > 0.85) a través de las réplicas de bootstrap, confirmando su influencia predictiva robusta.
  • Las pruebas de importancia por permutación corroboraron que la Dosis tuvo el impacto más significativo en el rendimiento del modelo.

• Validación Biológica:

  • Las curvas de Kaplan-Meier derivadas del conjunto de datos experimental mostraron diferencias de supervivencia significativas entre los grupos de tratamiento (log-rank $p < 0.001$), particularmente para el Compuesto 5 a concentraciones más altas.
  • Las estratificaciones de riesgo derivadas del modelo se alinearon con la separación biológica observada, validando la capacidad del marco para capturar estructuras de resultados significativas.

Significancia y Reivindicaciones
El documento afirma que su principal significancia radica en proporcionar un flujo de trabajo transparente, reproducible y explicable para la evaluación de etapas tempranas de candidatos a fármacos. Al equilibrar el poder predictivo de los algoritmos de ML flexibles (como Random Forest y Deep-S) con la interpretabilidad mecánica de los modelos de supervivencia clásicos (Cox PH), el marco respalda decisiones basadas en evidencia en el descubrimiento de fármacos.

Los autores enfatizan que, si bien los modelos de ML ofrecen una discriminación superior, el modelo Cox PH sigue siendo indispensable para generar razones de riesgo que proporcionan conocimientos mecánicos directos para la toma de decisiones clínicas y farmacológicas. El estudio posiciona su marco no como un reemplazo para la validación experimental, sino como una herramienta computacional para priorizar candidatos y optimizar la asignación de recursos en la investigación preclínica. El trabajo concluye que la integración de estos paradigmas acelera la investigación traslacional al ofrecer un método riguroso para evaluar la eficacia de los compuestos manteniendo la interpretabilidad requerida para aplicaciones biomédicas.

Nota: Los autores declaran explícitamente que los resultados son generadores de hipótesis basados en simulaciones in silico y pruebas iniciales de viabilidad, y que la eficacia farmacológica requiere una validación adicional mediante experimentos ortogonales (por ejemplo, inhibición enzimática, confirmación in vivo).