Structured Transfer Learning for Survival Risk Stratification in Data-Sparse Clinical Cohorts

Riepilogo Tecnico: Apprendimento per Trasferimento Strutturato per la Stratificazione del Rischio di Sopravvivenza in Cohort Cliniche con Dati Scarsi

Enunciato del Problema
I modelli di previsione della sopravvivenza spesso non riescono a generalizzare in modo affidabile quando applicati a gruppi clinici con dimensioni campionarie limitate o pochi eventi di esito osservati, come minoranze etniche sottorappresentate o popolazioni locali specifiche di assistenza. In questi contesti "con dati scarsi", i modelli adattati esclusivamente alla coorte target (solo-target) tendono a produrre punteggi di rischio instabili e stime imprecise del rapporto di rischio a causa della censura a destra che riduce le informazioni disponibili. Al contrario, i modelli presi in prestito direttamente da coorti più grandi e meglio rappresentate (solo-sorgente) o il pooling ingenuo di dati sorgente e target spesso non tengono conto dell'eterogeneità della popolazione. Differenze nella demografia, nel mix di casi, nei processi di misurazione e nella pratica clinica possono indurre spostamenti delle covariate ed eterogeneità degli effetti, portando a una scarsa trasportabilità e a una stratificazione del rischio potenzialmente iniqua. Inoltre, i metodi esistenti di apprendimento multi-task operano tipicamente all'interno di un singolo ambiente di dati, mentre gli approcci standard di apprendimento per trasferimento adattano spesso un esito alla volta, non sfruttando la relazione strutturale tra molteplici esiti clinici.

Metodologia: CORE-Cox
Per affrontare queste sfide, gli autori hanno sviluppato il Modello Cox a Rango Ridotto Condiviso dalla Coorte (CORE-Cox), un framework di apprendimento per trasferimento strutturato in due fasi progettato per la previsione della sopravvivenza multi-esito.

1. Fase 1: Apprendimento Sorgente (Struttura a Rango Ridotto):
   In una coorte sorgente più ampia, CORE-Cox stima una struttura condivisa dei fattori di rischio attraverso $K$ esiti correlati. Invece di apprendere vettori di coefficienti indipendenti per ogni esito, impone un vincolo a rango basso sulla matrice dei coefficienti $B^{(s)} \in \mathbb{R}^{p \times K}$, rappresentandola come $B^{(s)} = U^{(s)}(V^{(s)})^\top$. Ciò permette agli esiti correlati (ad esempio, malattie cardiometaboliche che condividono pathway biologici) di attingere forza statistica attraverso un numero minore di pattern di rischio latenti, preservando al contempo vettori specifici per l'esito.

2. Fase 2: Adattamento Target (Correzione Residua Regularizzata):
   La matrice dei coefficienti sorgente stimata viene quindi adattata a una coorte target più piccola attraverso una correzione residua: $B^{(t)} = \hat{B}^{(s)} + \Theta$. Qui, $\Theta$ cattura le deviazioni specifiche del target rispetto al modello sorgente. Questa matrice residua è stimata utilizzando un obiettivo di verosimiglianza parziale di Cox penalizzato all'interno della coorte target. La forza della penalità controlla il grado di attingimento: una penalizzazione forte restringe il modello target verso la struttura sorgente, mentre una penalizzazione più debole permette una maggiore adattamento specifico al target.

Il framework preserva l'interpretabilità della regressione di Cox e non richiede una distribuzione congiunta di più tempi di evento. È stato valutato utilizzando una convalida incassata ripetuta (nested cross-validation) contro sette benchmark: Cox solo-target (standard, Lasso, Ridge), modelli multi-task a rango ridotto (addestrati su target, sorgente o dati aggregati), trasferimento diretto dalla sorgente e trasferimento residuo a singolo esito.

Risultati Chiave
Lo studio ha valutato CORE-Cox in due contesti distinti:

• UK Biobank: Una coorte basata sulla popolazione con una sorgente bianca/europea ($n=150.093$) e un target asiatico ($n=2.534$).
• MIMIC-IV: Un database di cartelle cliniche elettroniche di terapia intensiva con una sorgente bianca ($n=15.997$) e un target asiatico ($n=672$).

Attraverso nove esiti di malattie croniche e mortalità in entrambi i dataset, CORE-Cox ha costantemente ottenuto la migliore o quasi la migliore discriminazione su dati non visti (misurata dall'indice di concordanza, C-index):

• UK Biobank: Il C-index medio nella coorte target è migliorato da 0,733 (Cox standard solo-target) a 0,766 con CORE-Cox.
• MIMIC-IV: Il C-index medio è migliorato da 0,628 a 0,658, con guadagni osservati in otto dei nove esiti.

Inoltre, CORE-Cox ha migliorato l'identificazione degli individui ad alto rischio. Nella parte superiore del 15% del rischio previsto, il guadagno medio nel tasso di eventi è stato di 3,16 in UK Biobank e di 1,85 in MIMIC-IV. L'analisi del rapporto di rischio ha dimostrato che le stime di CORE-Cox erano spesso intermedie tra i modelli solo-sorgente e solo-target, con intervalli di confidenza più stretti rispetto ai modelli solo-target, indicando una stabilità di stima migliorata senza semplicemente riprodurre il modello sorgente. Studi di simulazione hanno confermato che CORE-Cox ha ridotto l'errore di stima dei coefficienti rispetto al Cox solo-target, in particolare quando le dimensioni campionarie del target erano piccole e le differenze tra sorgente e target erano moderate.

Significato e Affermazioni
Il documento afferma che CORE-Cox fornisce un approccio di apprendimento per trasferimento strutturato interpretabile specificamente per la stratificazione del rischio di sopravvivenza in cohort cliniche con dati scarsi. Il suo contributo principale è la separazione della struttura condivisa del rischio tra esiti (appresa nella sorgente) dall'adattamento residuo specifico del target. Ciò offre un'alternativa pratica a tre strategie comuni ma difettose:

1. Modellazione instabile all'interno della coorte (solo-target).
2. Pooling ingenuo di coorti eterogenee.
3. Trasferimento diretto non modificato da coorti più grandi.

Gli autori sottolineano che la trasportabilità dovrebbe essere testata e non assunta in coorti piccole. Sebbene il metodo mostri promesse nel migliorare la classificazione del rischio relativo e l'identificazione degli individui ad alto rischio, il documento afferma esplicitamente che sono necessarie ulteriori valutazioni prima che CORE-Cox possa essere utilizzato per la previsione di rischio assoluto calibrato o per il processo decisionale clinico diretto. Lo studio non afferma di risolvere tutti i problemi della scarsità di dati, ma dimostra che sfruttare la struttura tra esiti tramite modellazione a rango ridotto, combinata con un adattamento target regolarizzato, può mitigare efficacemente l'instabilità nelle popolazioni sottorappresentate.