REVEAL++: Differentiable Phenotypic Grouping for Vision-Language Retinal Modeling of Alzheimer's Disease Risk

Sintesi Tecnica: REVEAL++

Definizione del Problema
La malattia di Alzheimer (AD) comporta una lunga fase preclinica in cui i cambiamenti patologici si accumulano prima che compaiano i sintomi clinici. Sebbene la retina offra una finestra non invasiva sul rischio neurodegenerativo, gli attuali approcci di modellazione Vision-Language (V-L), come il framework REVEAL, si affidano all'Apprendimento Contrastivo Consapevole dei Gruppi (GACL) per migliorare la predizione. Un limite critico degli attuali metodi GACL è la loro dipendenza dal raggruppamento fenotipico discreto. Questi approcci assegnano gli individui a cluster fissi basati su soglie di somiglianza rigide, trattando i soggetti all'interno di un gruppo come coppie multi-positive. Questo design impone una supervisione rigida e scinde la formazione dei gruppi dall'apprendimento delle rappresentazioni. Biologicamente, tuttavia, il rischio neurodegenerativo evolve lungo traiettorie continue e sovrapposte, modellate da fattori eterogenei. Le assegnazioni di gruppo rigide creano confini artificiali che non riescono a riflettere la natura graduata e a spettro della vulnerabilità alla malattia e impediscono al meccanismo di raggruppamento di adattarsi durante l'addestramento.

Metodologia: REVEAL++
Gli autori propongono REVEAL++, un framework che sostituisce il raggruppamento discreto con un meccanismo di pesatura fenotipica differenziabile all'interno di un setup di apprendimento contrastivo multi-modale. L'architettura è composta dai seguenti componenti:

1. Encoder Multi-Modali:

   • Encoder d'Immagine: Utilizza RETFound per elaborare immagini del fondo oculare retinico.
   • Encoder di Testo: Utilizza GatorTron per elaborare narrazioni cliniche di rischio strutturate.
   • Generazione di Report Clinici: I dati dei questionari strutturati (demografia, stile di vita, variabili cognitive) dal UK Biobank vengono convertiti in narrazioni cliniche sintetiche utilizzando LLaMA-3.1. Ciò garantisce la compatibilità con gli encoder di testo pre-addestrati mantenendo la fedeltà numerica, mappando direttamente le voci tabulari ai campi dei template senza imputazione.
   • Proiezione: Entrambe le modalità sono proiettate in uno spazio latente condiviso ($d=1024$) e $\ell_2$-normalizzate.

2. Pesatura Fenotipica Differenziabile:
   Inveve del clustering rigido, il modello calcola matrici di somiglianza intra-modalità ($S_{ii}$ per le immagini, $S_{tt}$ per il testo) utilizzando la similarità del coseno tra gli embedding normalizzati.

   • Queste somiglianze vengono trasformate in segnali di appartenenza "soft" tramite una funzione di gating sigmoidea con parametri di soglia ($\tau$) e di nitidezza ($g$) apprendibili.
   • I segnali di immagine e testo vengono combinati tramite un operatore di unione probabilistica differenziabile per produrre un punteggio di pesatura fenotipica continua $W_{pq} \in [0, 1]$ per ogni coppia di soggetti $(p, q)$.
   • $W_{pq}$ rappresenta il grado di allineamento fenotipico, fungendo da target "soft" piuttosto che da etichetta binaria.

3. Obiettivo Contrastivo a Target Soft:
   Il framework ottimizza una loss contrastiva multi-positiva a target soft. La funzione di perdita incorpora $W_{pq}$ per modulare la forza della supervisione:

   • Quando $W_{pq} \to 1$, la coppia è trattata come un match positivo forte.
   • Quando $W_{pq} \to 0$, la coppia è trattata come un negativo.
   • I valori intermedi consentono una supervisione graduata, permettendo al modello di apprendere l'allineamento cross-modale e la struttura fenotipica congiuntamente in modo end-to-end.

Contributi Chiave

1. Pesatura Fenotipica Differenziabile: Il documento introduce una formulazione continua della struttura fenotipica, sostituendo il raggruppamento basato su soglie rigide con pesi di somiglianza derivati direttamente dagli embedding retinici e clinici. Ciò consente una modellazione della coorte fluida e guidata dai dati.
2. Apprendimento Contrastivo Multi-Positivo Soft: Viene proposto un nuovo obiettivo di funzione che incorpora la somiglianza fenotipica nell'allineamento cross-modale, facilitando una supervisione multi-positiva graduata invece di assegnazioni di coppia binarie.
3. Prestazioni allo Stato dell'Arte: Il framework raggiunge nuovi risultati allo stato dell'arte per la predizione dell'Alzheimer incidente utilizzando dati di imaging retinico del UK Biobank, superando le esistenti baseline V-L e i metodi contrastivi basati su gruppi discreti.

Risultati Sperimentali
Il framework è stato valutato sul dataset UK Biobank (circa 39k soggetti) per la predizione dell'AD incidente.

• Baseline: Lo studio ha confrontato REVEAL++ con SVM standard, modelli di fondazione solo immagine (RETFound), modelli V-L biomedici generali (BiomedCLIP, PMC-CLIP) e modelli retinal-specifici V-L (RETCLIP, MM-Retinal). È stato incluso anche un modello REVE nothing senza Group-Aware Contrastive Learning (GACL) e l'originale REVEAL con GACL discreto.
• Performance: REVEAL++ ha ottenuto le prestazioni più elevate in tutte le metriche:
  • AUROC: 0.678 (rispetto a 0.658 per REVEAL con GACL discreto e 0.642 per RETFound+GatorTron).
  • Accuratezza Bilanciata: 0.613.
  • F1-Score: 0.236.
  • MCC: 0.168.
• Analisi: I risultati indicano che l'allineamento fenotipico soft e differenziabile porta a rappresentazioni multi-modali più coerenti. Il modello beneficia del fatto di permettere ai soggetti con profili di rischio simili di contribuire proporzionalmente durante l'addestramento, piuttosto che fare affidamento su assegnazioni di gruppo rigide.

Significatività e Rivendicazioni
Il documento sostiene che trattare la somiglianza fenotipica come un segnale continuo e apprendibile, piuttosto che come una regola di raggruppamento fissa, fornisce una base rigorosa per la modellazione del rischio neurodegenerativo su scala di popolazione. Modellando le relazioni come un processo differenziabile simile all'attenzione, REVEAL++ cattura la variabilità biologica continua e eterogenea sottostante al rischio di AD in modo più fedele rispetto ai metodi discreti. Gli autori sostengono che questo approccio rifletta meglio la fisiopatologia dell'AD preclinica, dove il rischio si accumula gradualmente e si manifesta in modo eterogeneo, permettendo al modello di rappresentare stati fenotipici intermedi che corrispondono a cambiamenti patologici precoci. Ciò offre una strategia robusta per modellare la variabilità strutturata nei dati biomedici multi-modali, con potenziali applicazioni nella predizione del rischio di malattie croniche e nella medicina di precisione.