REVEAL++: Differentiable Phenotypic Grouping for Vision-Language Retinal Modeling of Alzheimer's Disease Risk

Résumé Technique : REVEAL++

Énoncé du Problème
La maladie d'Alzheimer (MA) implique une longue phase préclinique où les changements pathologiques s'accumulent avant l'apparition des symptômes cliniques. Bien que la rétine offre une fenêtre non invasive sur le risque neurodégénératif, les approches actuelles de modélisation Vision-Langage (V-L), telles que le cadre REVEAL, reposent sur l'apprentissage contrastif sensible aux groupes (Group-Aware Contrastive Learning - GACL) pour améliorer la prédiction. Une limitation critique des méthodes GACL actuelles est leur dépendance au groupement phénotypique discret. Ces approches assignent les individus à des clusters fixes basés sur des seuils de similitude rigides, traitant les sujets au sein d'un groupe comme des paires multi-positives. Cette conception impose une supervision rigide et découple la formation des groupes de l'apprentissage des représentations. Biologiquement, cependant, le risque neurodégénératif évolue selon des trajectoires continues et chevauchantes façonnées par des facteurs hétérogènes. Les assignations de groupes strictes créent des frontières artificielles qui ne parviennent pas à refléter la nature graduée et spectrale de la vulnérabilité à la maladie et empêchent le mécanisme de groupement de s'adapter pendant l'entraînement.

Méthodologie : REVEAL++
Les auteurs proposent REVEAL++, un cadre qui remplace le groupement discret par un mécanisme de pondération phénotypique différentiable au sein d'une configuration d'apprentissage contrastif multi-modal. L'architecture se compose des éléments suivants :

1. Encodeurs Multi-Modaux :

   • Encodeur d'Image : Utilise RETFound pour traiter les images de fond de l'œil.
   • Encodeur de Texte : Utilise GatorTron pour traiter les récits de risques cliniques structurés.
   • Génération de Rapports Cliniques : Les données de questionnaires structurés (démographie, mode de vie, variables cognitives) de la UK Biobank sont converties en récits cliniques synthétiques via LLaMA-3.1. Cela garantit la compatibilité avec les encodeurs de texte pré-entraînés tout en maintenant la fidélité numérique en mappant directement les entrées tabulaires vers des champs de modèles sans imputation.
   • Projection : Les deux modalités sont projetées dans un espace latent partagé ($d=1024$) et $\ell_2$-normalisées.

2. Pondération Phénotypique Différentiable :
   Au lieu d'un clustering rigide, le modèle calcule des matrices de similitude intra-modalité ($S_{ii}$ pour les images, $S_{tt}$ pour le texte) en utilisant la similitude cosinus entre les plongements (embeddings) normalisés.

   • Ces similitudes sont transformées en signaux d'appartenance "soft" via une fonction de porte sigmoïde avec des seuils apprenables ($\tau$) et des paramètres de netteté ($g$).
   • Les signaux d'image et de texte sont combinés via un opérateur d'union probabiliste différentiable pour produire un score de pondération phénotypique continu $W_{pq} \in [0, 1]$ pour chaque paire de sujets $(p, q)$.
   • $W_{pq}$ représente le degré d'alignement phénotypique, servant de cible "soft" plutôt que de label binaire.

3. Objectif Contrastif à Cibles Douces (Soft-Target) :
   Le cadre optimise une perte contrastive multi-positive à cibles douces. La fonction de perte incorpore $W_{pq}$ pour moduler la force de la supervision :

   • Lorsque $W_{pq} \to 1$, la paire est traitée comme une correspondance positive forte.
   • Lorsque $W_{pq} \to 0$, la paire est traitée comme une négative.
   • Les valeurs intermédiaires permettent une supervision graduée, permettant au modèle d'apprendre conjointement l'alignement cross-modal et la structure phénotypique de manière de bout en bout.

Contributions Clés

1. Pondération Phénotypique Différentiable : Le document introduit une formulation continue de la structure phénotypique, remplaçant le groupement par seuil rigide par des poids de similitude dérivés directement des plongements rétiniens et cliniques. Cela permet une modélisation de cohorte fluide et pilotée par les données.
2. Apprentissage Contrastif Multi-Positif Soft : Un nouvel objectif est proposé qui incorpore la similitude phénotypique dans l'alignement cross-modal, facilitant une supervision multi-positive graduée au lieu d'assignations de paires binaires.
3. Performance de l'État de l'Art : Le cadre atteint de nouveaux résultats de pointe pour la prédiction de la maladie d'Alzheimer incidente en utilisant des images rétiniennes de la UK Biobank, surpassant les bases de comparaison V-L existantes et les méthodes contrastives par groupes discrets.

Résultats Expérimentaux
Le cadre a été évalué sur le jeu de données UK Biobank (environ 39k sujets) pour prédire la MA incidente.

• Bases de Comparaison (Baselines) : L'étude a comparé REVEAL++ aux SVM standards, aux modèles de fondation uniquement images (RETFound), aux modèles V-L biomédicaux généraux (BiomedCLIP, PMC-CLIP) et aux modèles rétiniens spécifiques (RETCLIP, MM-Retinal). Elle a également inclus un modèle REVEAL sans apprentissage contrastif sensible aux groupes (GACL) et l'original REVEAL avec GACL discret.
• Performance : REVEAL++ a obtenu la meilleure performance sur tous les indicateurs :
  • AUROC : 0,678 (contre 0,658 pour REVEAL avec GACL discret et 0,642 pour RETFound+GatorTron).
  • Précision Équilibrée (Balanced Accuracy) : 0,613.
  • Score F1 : 0,236.
  • MCC : 0,168.
• Analyse : Les résultats indiquent qu'un alignement phénotypique "soft" et différentiable conduit à des représentations multi-modales plus cohérentes. Le modèle bénéficie du fait de permettre aux sujets ayant des profils de risque similaires de contribuer proportionnellement pendant l'entraînement, plutôt que de dépendre d'assignations de groupes rigides.

Signification et Revendications
L'article affirme que traiter la similitude phénotypique comme un signal continu apprenable, plutôt que comme une règle de groupement fixe, fournit un fondement rigoureux pour la modélisation du risque neurodégénératif à l'échelle de la population. En modélisant les relations comme un processus différentiable de type attention, REVEAL++ capture plus fidèlement la variabilité biologique continue et hétérogène sous-jacente au risque de MA que les méthodes discrètes. Les auteurs soutiennent que cette approche reflète mieux la physiopathologie de la MA préclinique, où le risque s'accumule progressivement et se manifeste de manière hétérogène, permettant au modèle de représenter des états phénotypiques intermédiaires correspondant à des changements pathologiques précoces. Cela offre une stratégie robuste pour modéliser la variabilité structurée dans les données biomédicales multi-modales, avec des applications potentielles dans la prédiction du risque de maladies chroniques et la médecine de précision.