Multi-Modal Graph Neural Network with Transformer-Guided Adaptive Diffusion for Preclinical Alzheimer Classification

Sintesi Tecnica: Rete Neurale a Grafo Multi-Modale con Diffusione Adattiva Guidata da Transformer per la Classificazione della Fase Preclinica dell'Alzheimer

Problematica
La rappresentazione grafica del cervello, costruita a partire da regioni di interesse (ROI) e dalle loro caratteristiche di connettoma, offre approfondimenti critici per la diagnosi di malattie neurodegenerative come la malattia di Alzheimer (AD). Tuttavia, le attuali Reti Neurali a Grafo (GNN) presentano limiti intrinseci nell'interpretazione di queste reti. Gli approcci convoluzionali tradizionali faticano ad aggregare informazioni da vicinati distanti, mentre i metodi basati sull'attenzione spesso non riescono a catturare sufficienti informazioni centrate sul nodo, in particolare riguardo alle caratteristiche critiche dei nodi pivotali. Queste carenze ostacolano l'identificazione delle variazioni specifiche della malattia quando si utilizzano diverse caratteristiche provenienti da molteplici modalità di imaging (ad esempio, MRI, PET). Inoltre, l'eterogeneità introdotta dalle molteplici magnitudo dei biomarcatori complica l'analisi delle proprietà locali rispetto a quelle globali del grafo.

Metodologia: Framework GTAD
Gli autori propongono GTAD (GNN con Diffusione Adattiva guidata da Transformer), un framework integrato progettato per aggregare proprietà del grafo sia a breve raggio (locali) che a lungo raggio (globali). L'architettura è composta da tre componenti primarie:

1. Blocco di Convoluzione Adattiva per Modalità:

   • Il modello tratta la rete cerebrale come un grafo non orientato $G$ con un Laplaciano normalizzato $\hat{L}$.
   • Per ogni modalità di imaging $m$, un encoder elabora le caratteristiche dei nodi $x^m$ utilizzando una convoluzione a kernel di calore (heat-kernel convolution). L'operazione di convoluzione è definita come $H^m_z = \sigma_z(e^{-s^m \hat{L}} H^m_{z-1} W^m_z)$, dove $s^m$ rappresenta un vettore di scala apprendibile, specifico per ogni nodo e per ogni modalità.
   • A differenza dei kernel fissi, queste scale sono apprese per catturare adattivamente le caratteristiche locali di ogni singolo nodo per le diverse modalità. Ciò consente al modello di determinare l'intervallo di vicinato ottimale per ogni ROI in base ai dati di imaging specifici.

2. Blocco di Self-Attention per Modalità:

   • Le rappresentazioni (embeddings) $\{H^m_Z\}$ dal blocco di convoluzione vengono immesse in un meccanismo di self-attention basato su Transformer.
   • A differenza dei Transformer standard che spesso trattano tutti i token in modo uniforme, GTAD assegna una testa di attenzione specifica a ciascuna modalità. Ciò consente al modello di integrare informazioni a lungo raggio attraverso il grafo che non vengono catturate dalla convoluzione locale.
   • La multi-head self-attention calcola le caratteristiche globali partecipando congiuntamente alle informazioni provenienti da diverse modalità attraverso varie ROI. Il blocco include connessioni residue e normalizzazione del livello (layer normalization) per stabilizzare l'apprendimento.

3. Aggiornamento della Scala Guidato dal Transformer:

   • La rappresentazione globale $B_P$ dal blocco di attenzione viene passata a un classificatore a valle per predire l'etichetta della malattia.
   • La funzione di perdita (cross-entropy) viene retropropagata non solo per aggiornare i pesi, ma anche per aggiornare le scale specifiche per modalità $s^m$.
   • Viene applicata una regolarizzazione della norma $\ell_1$ per garantire che le scale siano positive per il kernel di calore. Questo meccanismo permette al Transformer di guidare il processo di diffusione adattiva, sintonizzando efficacemente i campi ricettivi locali in base al compito di classificazione globale.

Contributi Chiave

1. Framework Innovativo: Il documento propone un framework che aggrega proprietà a breve raggio tramite kernel di diffusione adattiva e proprietà a lungo raggio tramite attenzione multi-testa, affrontando i limiti delle GNN puramente convoluzionali o puramente basate sull'attenzione.
2. Prestazioni Superiori: Il modello dimostra prestazioni allo stato dell'arte nei compiti di classificazione di grafi per l'AD preclinica, superando vari baseline inclusi GNN basati su convoluzione (GCN, GAT), modelli basati su diffusione (GraphHeat, GDC, ADC, LSAP) e Graph Transformer (NodeFormer, DIFFormer, SGFormer).
3. Interpretabilità: Il framework fornisce interpretabilità apprendendo le scale dei nodi e i punteggi di attenzione. Ciò consente l'identificazione delle ROI chiave associate alle fasi di AD preclinica, offrendo spunti su quali regioni anatomiche siano più critiche per specifiche modalità di imaging.

Risultati Sperimentali
Gli esperimenti sono stati condotti sul dataset Alzheimer's Disease Neuroimaging Initiative (ADNI), composto da 919 soggetti preclinici classificati come Controllo (CN), Preoccupazione Significativa della Memoria (SMC) ed EMCI (Impairment Cognitivo Lieve Precoce). Lo studio ha utilizzato reti cerebrali strutturali da Imaging del Tensore di Diffusione (DTI) e misure ROI da FDG-PET, Amyloid-PET e MRI (spessore corticale).

• Accuratezza di Classificazione: GTAD ha raggiunto la massima accuratezza in tutte le combinazioni sperimentali di modalità. In particolare, ha raggiunto un'accuratezza del 96,3% utilizzando tutte le caratteristiche di imaging, superando il miglior metodo basato su Transformer (SGFormer al 95,1%).
• Robustezza: Il modello ha mantenuto alte prestazioni anche in condizioni difficili, come la predizione degli stadi precoci di AD utilizzando lo spessore corticale e la $\beta$-Amiloide, dove l'accuratezza ha raggiunto il 94,5%.
• Studio di Ablazione: La rimozione dello strato di convoluzione adattiva o del meccanismo di attenzione multi-modale ha portato a cali significativi delle prestazioni, confermando che l'addestramento congiunto delle scale adattive locali e dell'attenzione globale è essenziale per l'efficacia del modello.

Risultanze sull'Interpretabilità
Lo studio ha analizzato le scale apprese e i punteggi di attenzione per identificare le variazioni specifiche della malattia:

• Scale Adattive: Il modello ha identificato che le ROI con scale addestrate piccole si affidano fortemente alle informazioni dei vicini, mentre quelle con scale grandi richiedono caratteristiche distanti. Le scale variavano significativamente tra le modalità per la stessa regione cerebrale, fornendo una comprensione multidimensionale dei sub-network.
• ROI Chiave: Il modello ha evidenziato regioni specifiche con alta importanza, tra cui il giro linguale (rilevato con il più alto tasso di importanza in tutte le modalità), l'ippocampo (alta importanza in FDG) e il putamen (alto in Spessore Corticale e $\beta$-Amiloide). Queste regioni sono note per essere tra le prime colpite nella progressione dell'AD.

Significatività
Gli autori affermano che GTAD offre una soluzione pratica per la classificazione e l'interpretazione dell'AD preclinica. Combinando efficacemente le proprietà del grafo a breve e lungo raggio attraverso un processo di diffusione guidato dal Transformer, il modello non solo migliora l'accuratezza diagnostica, ma identifica anche le regioni anatomiche chiave associate alla malattia. Questa doppia capacità supporta la diagnosi precoce e il potenziale per strategie di prevenzione della malattia, elucidando le specifiche variazioni dei biomarcatori legate alle fasi precliniche dell'Alzheimer.