ProtoPathway: Biologically Structured Prototype-Pathway Fusion for Multimodal Cancer Survival Prediction

Riepilogo Tecnico di ProtoPathway: Fusione di Prototipi e Pathway Strutturati Biologicamente per la Predizione Multimodale della Sopravvivenza nel Cancro

Enunciato del Problema
I modelli attuali di predizione della sopravvivenza multimodale per il cancro integrano spesso immagini di vetrini completi (WSI) e profili trascrittomici aggregati, ma soffrono di due limitazioni primarie: una mancanza di interpretabilità intrinseca e l'assenza di un'identità semantica fondata biologicamente nei loro meccanismi di fusione cross-modale. I metodi esistenti si affidano frequentemente a tecniche di spiegabilità post-hoc (ad esempio SHAP, LIME) che trattano i modelli come scatole nere, oppure fondono le modalità utilizzando rappresentazioni che mancano di un significato stabile tra i pazienti (ad esempio, attenzione su singole patch non coerenti o encoder di pathway indipendenti che ignorano la topologia gene-pathway). I clinici richiedono modelli in cui il ragionamento sia trasparente per progettazione, con rappresentazioni allineate a gerarchie biologiche consolidate per validare le predizioni rispetto ai meccanismi di malattia noti.

Metodologia
ProtoPathway è un framework interpretabile per progettazione che unifica WSI e trascrittomica attraverso encoder che producono rappresentazioni fondate biologicamente su entrambi i lati della fusione. L'architettura è composta da tre componenti fondamentali:

1. Prototipi Morfologici Apprendibili (Encoder WSI): Invece di aggregare migliaia di patch di lunghezza variabile tramite pesi di attenzione, ProtoPathway comprime la WSI in un insieme fisso di $K$ vettori prototipo apprendibili. Questi prototipi sono addestrati end-to-end con l'obiettivo di sopravvivenza. Le patch vengono assegnate ai prototipi tramite assegnazione morbida basata sulla similarità coseno in uno spazio proiettato condiviso. I token prototipo risultanti fungono essi stessi dalla rappresentazione del vetrino, catturando pattern morfologici ricorrenti rilevanti per la prognosi. Ciò consente un'interpretabilità spaziale, poiché le patch possono essere mappate indietro su specifiche localizzazioni tissutali in base al prototipo assegnato.

2. Codifica Trascrittomica Consapevole della Topologia (Encoder Genomico): Invece di utilizzare Reti Neurali Auto-Normalizzanti (SNN) indipendenti per ciascun pathway, ProtoPathway impiega una Rete Neurale su Grafo (GNN) bipartita sulla gerarchia dei pathway Reactome. I geni e i pathway formano due tipi di nodi connessi da archi di appartenenza bidirezionali. L'informazione si propaga attraverso strati GraphSAGE con aggregazione media, permettendo ai geni che partecipano a pathway multipli di facilitare una comunicazione cross-pathway implicita. Un ultimo strato di attenzione GATv2 calcola i pesi di importanza dei geni all'interno dei pathway. Questa struttura garantisce che gli embedding dei pathway riflettano sia i geni costituenti sia il loro contesto biologico più ampio.

3. Fusione Cross-Modale Asimmetrica Semanticamente Fondata: Il meccanismo di fusione modella la direzione causale biologica dai programmi molecolari alla morfologia dei tessuti. I token prototipo (morfologia) interrogano gli embedding dei pathway (genomica) tramite attenzione incrociata multi-testa. Ciò produce una matrice di attenzione compatta $K \times P$ in cui i prototipi agiscono come query e i pathway come chiavi/valori. Poiché entrambi gli assi portano un'identità stabile e appresa dal compito, questa matrice di attenzione non è meramente un calcolo interno ma un output di interpretabilità diretto, collegando specifici pattern tissutali a specifici programmi biologici.

Contributi Chiave
Il paper introduce tre contributi specifici:

• Prototipi Appresi come Rappresentazione del Vetrino: Il modello utilizza $K$ vettori prototipo apprendibili addestrati end-to-end come rappresentazione primaria del vetrino, piuttosto che come punti di riferimento ausiliari. Questi token svolgono un doppio ruolo come aggregatori morfologici e come query nell'attenzione cross-modale.
• Passaggio di Messaggi Bidirezionale nella Trascrittomica: Una GNN bipartita codifica l'espressione genica all'interno della gerarchia Reactome, abilitando la condivisione dei parametri e la comunicazione cross-pathway attraverso geni condivisi, sostituendo gli encoder per-pathway indipendenti utilizzati nei lavori precedenti.
• Fusione Asimmetrica con Interpretabilità Nativa: Il meccanismo di attenzione incrociata opera su una matrice prototipo $\times$ pathway, riflettendo la direzione biologica dai programmi molecolari alla morfologia. Questa progettazione produce una catena di attribuzione tracciabile dai geni attraverso pathway e prototipi fino alle mappe tissutali spaziali senza richiedere metodi post-hoc.

Risultati Sperimentali
ProtoPathway è stato valutato su cinque coorti di cancro TCGA (BRCA, BLCA, COADREAD, HNSC, STAD).

• Prestazioni: Il modello ha raggiunto il più alto Indice di Concordia (C-index) complessivo di 0,670, superando le linee di base multimodali consolidate come MCAT (0,662) e MMP (0,659). Si è classificato primo su quattro delle cinque coorti. Notabilmente, sulla coorte HNSC, è stato l'unico metodo multimodale a superare chiaramente la linea di base SNN basata solo sui geni.
• Efficienza: La compressione basata sui prototipi ha ridotto significativamente i costi computazionali. ProtoPathway ha richiesto 480K parametri e 3,9G FLOPs, ottenendo un'accelerazione nell'addestramento di 28–50$\times$ rispetto a metodi come MCAT e SurvPath, utilizzando meno VRAM (325 MB contro 818 MB per SurvPath).
• Interpretabilità: L'analisi qualitativa sulla coorte BLCA ha dimostrato che il modello ha recuperato firme prognostiche note. Ad esempio, ha identificato che l'invasione muscolare (un fattore chiave di stadiazione) e la composizione stromale-immunitaria erano critiche, spostando l'attenzione dalle regioni tumorali morfologicamente dominanti verso il microambiente dopo l'integrazione del contesto dei pathway. Le sovrapposizioni spaziali hanno mappato con successo pathway specifici (ad esempio, metabolismo del colesterolo, segnalazione delle citochine) e geni (ad esempio, IL7R, FGFR2b) a compartimenti tissutali distinti.

Significato e Affermazioni
Gli autori affermano che ProtoPathway fornisce una catena completa di interpretabilità dai singoli geni alle regioni tissutali spaziali, mantenendo o superando le prestazioni predittive dei metodi esistenti. Il significato risiede nella sua capacità di produrre "attribuzione nativa al momento dell'inferenza" in cui il ragionamento del modello è trasparente perché le rappresentazioni stesse portano un'identità fondata sul dominio. Imponendo un'identità semantica stabile e appresa dal compito su entrambi gli assi morfologico e genomico, il framework evita la natura di "scatola nera" delle spiegazioni post-hoc e l'incoerenza biologica degli encoder di pathway indipendenti. Il paper afferma che questo approccio consente ai clinici di validare il ragionamento del modello rispetto alla biologia consolidata, un prerequisito per l'adozione clinica in processi decisionali ad alto rischio. Gli autori notano limitazioni, tra cui l'uso di trascrittomica aggregata (media delle popolazioni cellulari) e il fatto che l'entità dell'attenzione non codifica la direzione del cambiamento di espressione, richiedendo un'analisi separata dell'espressione differenziale per un'interpretazione biologica completa.