Explainable AI for Cancer Drug Response Prediction: Beyond Univariate Feature Attributions

Sintesi Tecnica: Explainable AI per la previsione della risposta ai farmaci oncologici: Oltre le attribuzioni di feature univariata

Definizione del Problema
Prevedere la risposta ai farmaci oncologici a partire dai profili trascrittomici è una componente critica dell'oncologia di precisione. Sebbene i modelli di machine learning abbiano raggiunto prestazioni predittive elevate nel modellare le dipendenze non lineari e ad alta dimensionalità tra i profili molecolari tumorali e la risposta ai farmaci, la loro utilità scientifica è spesso limitata dalla mancanza di interpretabilità. Gli attuali approcci di Explainable AI (XAI) in questo dominio si affidano prevalentemente a metodi di attribuzione di feature univariati, come SHAP. Tali metodi soffrono di due limitazioni primarie:

1. Robustezza e Scalabilità: Le spiegazioni basate su SHAP mostrano una robustezza limitata e faticano a scalare efficacemente su dati trascrittomici ad alta dimensionalità (migliaia di geni).
2. Oversimplificazione Biologica: I metodi univariati valutano i geni indipendentemente, fallendo nel catturare l'attività coordinata di molteplici geni e pathway che guidano la sensibilità e la resistenza cellulare. Di conseguenza, i meccanismi biologici di ordine superiore e le interazioni gene-gene rimangono nascosti.

Metodologia
Gli autori propongono ILLUME+, un framework di spiegabilità post-hoc scalabile progettato per superare i limiti dei metodi esistenti e andare oltre la valutazione del singolo gene. La metodologia è strutturata come una pipeline end-to-end completamente guidata dai dati:

1. Pre-elaborazione dei Dati e Discretizzazione: I dati continui sulla risposta ai farmaci (es. $IC_{50}$) sono discretizzati in tre classi ordinate (sensibile, intermedia, resistente) tramite il partizionamento in terzili sui dati di addestramento, per facilitare l'estrazione di regole decisionali interpretabili.
2. Selezione delle Feature: Un approccio completamente guidato dai dati, che utilizza l'algoritmo Boruta, identifica un sottoinsieme informativo di geni rilevanti per ogni farmaco senza imporre soglie arbitrarie o bias definiti dall'utente.
3. Predizione Black-Box: Un ensemble di gradient-boosting basato su alberi decisionali viene addestrato sulle feature selezionate per modellare le relazioni non lineari tra l'espressione genica e la sensibilità al farmaco.
4. Framework ILLUME+:
   • Architettura Scalabile: ILLUME+ estende il meta-explainer ILLUME affrontando i colli di bottiglia computazionali in contesti ad alta dimensionalità. Impiega una hypernetwork a basso rango a 1 strato per comprimere i pesi della funzione di mappatura $W(x)$, riducendo il numero di parametri da $O(v \times m^2)$ a $O(v \times m \times r)$ (dove $r \ll m$).
   • Regolarizzazione Efficiente: Sostituisce la costosa penalità completa del Jacobiano con uno stimatore stocastico basato su prodotti Jacobiano-vettore, imponendo la linearità locale senza la costruzione esplicita del Jacobiano.
   • Generazione delle Spiegazioni: Il framework apprende una rappresentazione latente localmente lineare del modello black-box. Da questo spazio, decodifica molteplici oggetti esplicativi:
     • Attribuzioni Univariate: Punteggi di importanza genica derivati da modelli surrogati (regressione logistica o alberi decisionali).
     • Regole Decisionali: Regole fatte e controfattuali che catturano pattern di espressione congiunti (es. "se Gene A > $c$ E Gene B < $d$, allora Sensibile").
     • Interazioni Gene-Gene: Le interazioni a coppie vengono identificate analizzando la co-occorrenza di geni all'interno delle regole decisionali utilizzando la misura di lift. Queste interazioni sono visualizzate come un grafo di interazione gene-gene pesato.

Contributi Chiave

• ILLUME+: Un'estensione scalabile del framework ILLUME capace di estrarre spiegazioni robuste e strutturate da dati trascrittomici ad alta dimensionalità, affrontando i limiti di scalabilità degli esistenti metodi di XAI post-hoc.
• Pipeline End-to-End: Una nuova pipeline che va oltre le attribuzioni di feature univariata per recuperare spiegazioni che catturano i meccanismi gene-gene alla base della sensibilità e della resistenza ai farmaci.
• Generazione di Ipotesi: Una dimostrazione che il metodo può confermare note associazioni biologiche e rivelare nuove interazioni geniche per generare ipotesi testabili senza fare affidamento su priori biologici predefiniti.

Risultati
Gli autori hanno valutato ILLUME+ rispetto ai baseline (SHAP e LIME) utilizzando 20 dataset di farmaci derivati dalle risorse GDSC e CCLE.

• Performance di Attribuzione Univariata:

  • Recupero del Target: ILLUME+ classifica più efficacemente i target farmacologici putativi tra i geni top rispetto a SHAP e LIME, come misurato da NDCG@k.
  • Arricchimento dei Pathway: ILLUME+ prioritizza i geni legati al Meccanismo d'Azione (MoA) in modo più efficace rispetto a SHAP (statisticamente significativo) e produce risultati comparabili a LIME.
  • Robustezza: ILLUME+ dimostra una robustezza significativamente superiore (misurata come similitudine del coseno dei vettori di importanza nei vicinati locali) rispetto a sia SHAP che LIME in tutte le dimensioni del vicinato.

• Analisi delle Interazioni Gene-Gene:

  • Sovrapposizione dei Pathway: Le coppie di geni con il ranking più alto identificate da ILLUME+ mostrano una sovrapposenza di pathway (prossimità funzionale) significativamente maggiore rispetto alle coppie con ranking inferiore. Questa separazione è coerente in tutti i farmaci, mentre il ranking delle interazioni basato su SHAP mostra significatività solo per il 40% dei farmaci.
  • Coerenza Biologica: In casi studio specifici (es. Venetoclax), il metodo ha identificato pattern di interazione distinti: le cellule sensibili mostravano interazioni legate alla risposta immunitaria e alla chemiotassi dei neutrofili, mentre le cellule resistenti mostravano interazioni legate all'angiogenesi e all'adesione cellulare.
  • Centralità di Rete: I target farmacologici putativi si sono trovati occupare posizioni centrali nei grafi di interazione (es. alta forza per i target del rimodellamento della cromatina nelle linee sensibili; alta betweenness per i target di segnalazione come EGFR nelle linee sensibili), in linea con i loro ruoli biologici.
  • Estrazione di Regole: Il framework ha estratto regole decisionali concise e interpretabili che coinvolgono noti geni prognostici e pathway legati al MoA, nonché nuove combinazioni che suggeriscono nuove ipotesi (es. specifiche combinazioni di geni per la resistenza a Erlotinib).

Significatività e Rivendicazioni
L'articolo sostiene che ILLUME+ sposti il paradigma della modellazione della risposta ai farmaci da esercizi puramente orientati alle prestazioni a strumenti di generazione di ipotesi per la scoperta scientifica assistita dall'IA. Fornendo spiegazioni pairwise di geni robuste e scalabili, il framework consente:

1. Audit Fedele: Una comprensione più accurata della logica decisionale appresa dai modelli black-box in contesti ad alta dimensionalità.
2. Scoperta Non Polarizzata: La capacità di scoprire strutture biologiche significative e interazioni geniche senza affidarsi ad assunzioni predefinite o priori biologici, evitando così il bias inerente ai modelli che incorporano conoscenze pregresse.
3. Insight Azionabili: La generazione di ipotesi biologiche testabili riguardanti nuovi segnali molecolari guidati dalle interazioni nella biologia del cancro.

Gli autori sottolineano che, sebbene le interazioni estratte siano segnali derivati dal modello, esse servono come base per generare ipotesi che richiedono una validazione sperimentale indipendente. Il lavoro dimostra che una spiegabilità ben fondata può colmare efficacemente il divario tra accuratezza predittiva e intuizione biologica nell'oncologia di precisione.