Interpretable Alzheimer's Diagnosis via Multimodal Fusion of Regional Brain Experts

1. Il Problema

La diagnosi precoce e accurata del Morbo di Alzheimer (AD) richiede l'integrazione di dati multimodali, in particolare la Tomografia a Emissione di Positroni (PET) per l'amiloide e la Risonanza Magnetica (MRI) strutturale. Tuttavia, le approcci di fusione attuali presentano diverse limitazioni critiche:

• Fusione Semplice: I metodi convenzionali (es. concatenazione di feature) trattano tutti i dati come un unico vettore piatto, assumendo che tutte le regioni cerebrali e le modalità abbiano lo stesso peso informativo per ogni paziente. Questo ignora l'eterogeneità inter-soggetto.
• Mancanza di Interpretabilità Clinica: Le tecniche di spiegazione (come SHAP) operano spesso a livello di singola colonna (feature), risultando troppo frammentate per i clinici. Manca un'interpretazione a livello "mesoscopico" (es. lobi frontali, temporali) che raggruppi le misurazioni in aree anatomiche clinicamente rilevanti.
• Robustezza ai Dati Mancanti: In ambito clinico reale, i dati multimodali sono spesso incompleti (es. un paziente ha la MRI ma non la PET a causa di costi o controindicazioni). I modelli standard tendono a crollare nelle prestazioni quando una modalità manca, richiedendo spesso l'addestramento di modelli separati o l'imputazione non ottimale dei dati.

2. Metodologia: MREF-AD

Gli autori propongono MREF-AD (Multimodal Regional Expert Fusion for AD), un framework basato sull'architettura Mixture-of-Experts (MoE) progettato specificamente per dati tabulari neuroimaging.

• Architettura a "Esperti Regionali":

  • Invece di un unico modello, MREF-AD scompone ogni modalità (PET e MRI) in 14 regioni cerebrali mesoscopiche (es. lobo temporale, striato, ecc.), creando un totale di 28 "esperti" di imaging.
  • Viene aggiunto un 29° esperto per le variabili demografiche (età, sesso, ecc.).
  • Ogni esperto è una rete neurale leggera (MLP a 3 strati) che analizza le feature specifiche della sua regione/modalità.

• Meccanismo di Gate (Gating Network):

  • Una rete di gate apprende pesi di fusione specifici per il soggetto.
  • Il gate calcola dinamicamente quanto ogni esperto (regione/modalità) dovrebbe contribuire alla predizione finale per quel singolo paziente.
  • Questo permette al modello di adattarsi: ad esempio, un paziente potrebbe avere una forte patologia strutturale nel lobo temporale (peso alto per l'esperto MRI temporale) ma un basso carico di amiloide, e il modello bilancia di conseguenza i pesi.

• Gestione dei Dati Mancanti:

  • Il framework è nativamente robusto ai dati mancanti. Se una modalità (es. PET) è assente, i pesi degli esperti corrispondenti vengono mascherati (impostati a zero) e la normalizzazione avviene solo sugli esperti disponibili. Non è necessario re-addestrare il modello o imputare i dati in modo aggressivo.

• Funzione di Perdita e Regularizzazione:

  • Oltre alla Cross-Entropy, vengono aggiunte penalità per la sparsità (per favorire la selezione di pochi esperti rilevanti) e per la diversità (per evitare che tutti gli esperti apprendano la stessa cosa), migliorando l'efficienza e l'interpretabilità.

3. Contributi Chiave

1. Architettura MoE Adattiva: Introduzione di un framework che decompone le modalità in esperti regionali, permettendo una fusione adattiva e soggettiva invece di una concatenazione statica.
2. Interpretabilità Clinica di Livello Regionale: Il modello fornisce pesi di importanza direttamente aggregati su regioni anatomiche (es. "Lobo Temporale"), offrendo una mappa di biomarcatori guidata dai dati che è clinicamente significativa, superando la granularità eccessiva delle feature singole.
3. Robustezza ai Dati Incompleti: Dimostrazione che il modello mantiene prestazioni elevate anche in scenari realistici dove una modalità di imaging manca, senza bisogno di modelli separati.
4. Efficienza Computazionale: Grazie alla natura sparsa dell'MoE, è possibile attivare solo un sottoinsieme di esperti (Top-k) durante l'inferenza, riducendo drasticamente i FLOPs (operazioni in virgola mobile) rispetto a modelli densi come i Transformer, rendendolo adatto al deployment clinico.

4. Risultati Sperimentali

Il modello è stato valutato sul dataset ADNI (Alzheimer's Disease Neuroimaging Initiative) con 1.530 partecipanti, classificati in: Cognitivamente Normali (CN), Deterioramento Cognitivo Lieve (MCI) e AD.

• Prestazioni di Classificazione:

  • MREF-AD ha superato tutti i baseline (Logistic Regression, Random Forest, XGBoost, MLP, FT-Transformer, Flex-MoE) ottenendo un'accuratezza di 0.657 e un F1-score di 0.664.
  • I miglioramenti sono stati statisticamente significativi rispetto ai modelli tradizionali e deep learning.

• Robustezza ai Dati Mancanti:

  • In scenari di inferenza con PET mancante o MRI mancante, MREF-AD ha mantenuto un F1-score di circa 0.50.
  • Al contrario, i modelli baseline (incluso Logistic Regression e FT-Transformer) hanno subito un crollo drastico delle prestazioni (F1 sceso a ~0.20-0.38), dimostrando la superiorità dell'architettura MoE nella gestione dell'eterogeneità dei dati clinici.

• Analisi di Interpretabilità:

  • I pesi medi degli esperti hanno confermato la rilevanza biologica: le regioni temporali e subcorticali (MRI) e il tronco encefalico/striato (PET) hanno ricevuto pesi elevati, allineandosi alla letteratura medica sull'atrofia e la patologia amiloide.
  • L'analisi a livello di singolo soggetto ha mostrato come il modello sposti l'attenzione su diverse regioni in base allo stadio della malattia (es. maggiore enfasi sul corpo calloso per MCI, strutture subcorticali temporali per AD).

• Efficienza:

  • MREF-AD (configurazione Top-1) utilizza solo 106k parametri attivi e 211k FLOPs per predizione, circa 12 volte più efficiente di un FT-Transformer, pur mantenendo prestazioni superiori.

5. Significato e Implicazioni

Il lavoro di MREF-AD rappresenta un passo avanti significativo verso l'uso dell'IA in clinica per l'Alzheimer:

• Affidabilità Clinica: Risolve il problema pratico dei dati mancanti, permettendo di utilizzare il modello su pazienti che non hanno accesso a tutte le modalità di imaging costose (come la PET).
• Trasparenza: Fornisce ai medici non solo una diagnosi, ma una "firma" personalizzata della malattia che indica quali aree cerebrali e quali biomarcatori hanno guidato la decisione, facilitando la fiducia nel modello.
• Generalizzabilità: Sebbene testato su AD, l'architettura è generale e può essere estesa ad altre malattie neurodegenerative o a modelli prognostici longitudinali, integrando ulteriori modalità (es. marcatori genetici, CSF).

In sintesi, MREF-AD combina l'alta accuratezza del deep learning con la robustezza necessaria per il mondo reale e l'interpretabilità richiesta dalla pratica clinica, superando i limiti dei metodi di fusione tradizionali.