Résumé Technique : Réseau de Fusion Évidentielle pour la Prédiction de Survie Multimodale sous Modalités Manquantes

Problématique

La prédiction précise de la survie est cruciale pour l'oncologie de précision, pourtant le déploiement de modèles multimodaux dans des contextes cliniques réels est fréquemment entravé par les modalités manquantes. En pratique, les profils morpho-moléculaires complets (combinant des images de lames entières et des données transcriptomiques) sont souvent indisponibles en raison de l'épuisement des tissus, des coûts de séquençage ou d'une infrastructure hétérogène.

Les approches existantes font face à deux limitations principales :

1. Les méthodes basées sur l'imputation (ex. : SMIL, M3Care) reconstruisent les données manquantes via une modélisation générative. Bien qu'efficaces en moyenne, elles risquent d'« halluciner » des signaux biologiques inexistants et engendrent des coûts computationnels élevés, ce qui est problématique pour les décisions cliniques à enjeux élevés.
2. Les méthodes sans imputation (ex. : EmbraceNet) agrègent uniquement les plongements (embeddings) disponibles mais traitent souvent l'absence comme un simple problème de masquage ou de dropout. Elles ne parviennent pas à quantifier explicitement l'incertitude épistémique (le manque de connaissance) induite par les modalités absentes, ce qui entraîne souvent des niveaux de confiance mal calibrés qui ne reflètent pas l'ignorance du modèle.

De plus, les modèles actuels peinent à distinguer l'incertitude aléatoire (bruit intrinsèque des données) de l'incertitude épistémique (incertitude due à l'absence d'informations), ne fournissant qu'une « meilleure estimation » sans signaler la fiabilité.

Méthodologie

Les auteurs proposent le modèle Evidential Missing Modality Survival Fusion (EMMS), un cadre conçu pour gérer des observations multimodales incomplètes sans reconstruction de données. Les composantes clés sont :

1. Fondement Théorique : Théorie de Dempster–Shafer et GRFNs

EMMS est fondé sur la théorie de l'évidence de Dempster–Shafer. Au lieu de prédire une durée de survie unique, la prédiction de chaque modalité est représentée comme une évidence de survie paramétrée par des Nombres Flous Aléatoires Gaussiens (GRFNs).

• Un GRFN, noté $\tilde{Y} \sim \tilde{N}(\mu, \sigma^2, h)$, modélise la distribution du temps de survie où :
  • $\mu$ : Paramètre de localisation (estimation la plus plausible du temps de l'événement).
  • $\sigma^2$ : Incertitude aléatoire (variabilité des données).
  • $h$ : Force épistémique (inverse de l'incertitude épistémique/ignorance).
• Évidence vacue : Crucialement, lorsqu'une modalité est manquante, le modèle définit sa force épistémique à $h=0$. Cela provoque la dégénérescence du GRFN en « évidence vacue », représentant une ignorance totale. Cette formulation évite d'approximer les entrées manquantes ; elle encode explicitement leur absence comme une contribution d'évidence nulle.

2. Branches Unimodales

Le modèle traite deux modalités indépendamment avant la fusion :

• Branche Pathologie : Les images de lames entières (WSI) sont tessellées en patchs, encodées via un encodeur de patch pré-entraîné, et agrégées en une représentation au niveau de la lame via l'encodeur de lame TITAN. Cette caractéristique est projetée vers l'évidence de survie via une formulation d'évidence basée sur des prototypes utilisant des noyaux de fonctions radiales de base.
• Branche Génomique : Les profils transcriptomiques sont traités via un cadre similaire pour générer une évidence de survie modélisée comme un GRFN.

3. Fusion Évidentielle

Le modèle fusionne l'évidence des modalités disponibles en utilisant la règle de combinaison de Dempster.

• Gestion de l'absence : Un indicateur de disponibilité binaire ($r \in \{0, 1\}$) détermine si une modalité est présente. Si $r=0$, la modalité contribue avec une évidence vacue ($h=0$).
• Agrégation pondérée : Les paramètres du GRFN fusionnés ($\mu_f, \sigma^2_f, h_f$) sont calculés via une agrégation pondérée par l'évidence en forme close. Les modalités ayant une force épistémique plus élevée contribuent davantage à la prédiction finale.
• Dégradation progressive : Lorsqu'une modalité est manquante, la fusion se réduit naturellement à la modalité disponible sans interférence. La force épistémique totale ($h_f$) s'accumule de manière additive, servant de métrique interprétable de la confiance globale. Une réduction de $h_f$ reflète explicitement l'incertitude induite par les données manquantes.

4. Fonction de Perte

L'objectif d'entraînement combine :

• Perte de Survie ($L_{surv}$) : Une log-vraisemblance négative généralisée pour les GRFNs qui supervise les échantillons censurés et les échantillons censurés à droite en utilisant les bornes de croyance (belief) et de plausibilité.
• Perte d'Alignement ($L_{align}$) : Un terme de divergence de Kullback–Leibler (KL) symétrique appliqué uniquement lorsque les deux modalités sont présentes, agissant comme un régularisateur de cohérence cross-modale léger.

Contributions Clés

1. Formulation de l'Évidence Vacue : L'article introduit une méthode pour traiter les modalités manquantes comme une évidence vacue ($h=0$) au sein d'un cadre GRFN. Cela empêche le modèle d'halluciner des données ou d'être contaminé par des entrées manquantes, tout en augmentant naturellement l'incertitude épistémique de la prédiction.
2. Quantification de l'Incertitude : EMMS distingue explicitement l'incertitude aléatoire de l'incertitude épistémique. La force d'évidence totale sert de métrique interprétable intégrée pour la confiance de la prédiction sous des observations incomplètes.
3. Efficacité Computationnelle : Contrairement aux méthodes basées sur l'imputation, EMMS ne nécessite aucune phase générative ni récupération dans l'espace latent pour les données manquantes, n'introduisant aucun surcoût computationnel par rapport aux bases de référence sans imputation.
4. Fusion en Forme Close : L'utilisation de la théorie de Dempster–Shafer permet une agrégation principled et en forme close de l'évidence multimodale, garantissant que les entrées manquantes n'exercent aucune influence sur les données disponibles.

Résultats Expérimentaux

Les auteurs ont évalué EMMS sur quatre cohortes de cancer issues de The Cancer Genome Atlas (TCGA) : BRCA, LUAD, STAD et KIRC.

• Performance avec Données Complètes : Dans le scénario de 0 % de modalité manquante, EMMS a atteint des performances de pointe (SOTA) en termes d'indice de concordance (C-index) et de score de Brier intégré (IBS) sur la plupart des jeux de données, surpassant les bases de référence comme DisPro, MUSE et Flex-MoE.
• Robustesse face aux Données Manquantes : Sous un taux de 60 % de modalité manquante, EMMS a systématiquement surpassé toutes les bases de référence sur tous les jeux de données et tous les réglages d'évaluation (pathologie seule, génomique seule, et modalité complète). Il a démontré une robustesse supérieure là où les autres modèles montraient une dégradation significative des performances.
• Calibration : Les courbes de calibration ont indiqué que les prédictions d'EMMS restaient plus proches de la diagonale idéale par rapport aux bases de référence, avec une déviation absolue moyenne (MAD) plus faible. Cela suggère que le modèle fournit des estimations de confiance plus fiables.
• Efficacité : Les comparaisons de temps d'entraînement ont montré qu'EMMS est comparable en vitesse à la base de référence sans imputation, MUSE, et nettement plus rapide que l'approche par imputation, DisPro.

Signification et Revendications

L'article affirme qu'EMMS fournit une solution scalable, efficace en calcul et théoriquement fondée pour la médecine personnalisée dans des contextes cliniques réels où la complétude des données ne peut être garantie.

En exploitant la théorie de Dempster–Shafer, le modèle comble le fossé entre la performance prédictive et la conscience de l'incertitude. Il permet aux systèmes de support à la décision clinique de « signaler leur propre ignorance » lorsque des données sont manquantes, distinguant ainsi le bruit de l'absence de connaissance. Les auteurs soulignent que cette approche atteint un niveau SOTA en termes de discrimination et de calibration sans les risques d'hallucination de données ou la charge computationnelle de l'imputation générative, ce qui en fait un candidat viable pour un déploiement dans des environnements cliniques hétérogènes.