Disentangling Confounders from Pathology in Long-COVID Trajectory Prediction for Women: An Interpretable Large-Language-Model Approach

Sintesi Tecnica: Disgiungere i Confounder dalla Patologia nella Predizione della Traiettoria del Long-COVID nelle Donne

Definizione del Problema
Le sequele post-acute dell'infezione da SARS-CoV-2 (PASC, o "Long-COVID") colpiscono in modo sproporzionato le donne, in particolare quelle in età perimenopausale e menopausale. Una sfida metodologica critica sorge poiché i sintomi caratteristici della PASC (es. insonnia, affaticamento, palpitazioni, difficoltà cognitive) si sovrappongono significoli con comorbidità comuni e transizioni fisiologiche, specificamente la menopausa. I modelli predittivi addestrati su tali dati rischiano di apprendere correlazioni spurie, attribuendo la futura gravità dei sintomi alla patologia virale quando essa è invece guidata dal rumore fisiologico basale o da confonditori come la menopausa e il diabete. Gli autori sostengono che i modelli predittivi standard possano ottenere metriche di errore basse pur apprendendo la "cosa sbagliata", portando a un eccessivo segnalamento sistematico di sottopopolazioni durante l'impiego clinico.

Metodologia
Lo studio utilizza una coorte retrospettiva di 1.155 donne adulte (età mediana 61) dal programma NIH RECOVER. Il dataset integra tre modalità:

1. Profili Clinici Statici: Dati demografici e comorbidità (es. condizioni cardiache, disturbi del sonno, stato menopausale).
2. Sondaggi Longitudinali sui Sintomi: Indici dei sintomi PASC (scala 0–30) al baseline e al follow-up.
3. Fisiologia da Wearable di Consumo: Quattro settimane di dati aggregati medi (frequenza cardiaca, sonno, attività) prima degli orizzonti di predizione.

Architettura del Modello:
Gli autori propongono un approccio basato su un Large Language Model (LLM) interpretabile e causalmente disgiunto, utilizzando un backbone Qwen2.5-0.5B perfezionato tramite LoRA.

• Rappresentazione dell'Input: Ogni paziente viene reso come una narrazione strutturata in linguaggio naturale che combina profili statici, punteggi storici e dati dei wearable raggruppati per classi (binning).
• Meccanismo di Disgiunzione (Disentanglement): Una variante specifica del modello introduce uno strato di disgiunzione basato sull'attenzione. Questo strato suddivide lo stato latente nascosto ($h$) in due componenti scalari:
  • Componente Causale ($x_o$): Destinata a catturare segnali patologici invarianti (es. "mancanza di respiro", "malessere").
  • Componente dei Confounder ($x_c$): Destinata a catturare il rumore basale (es. stato menopausale, diabete, riempitivi linguistici).
• Obiettivo di Addestramento: Il modello impiega un obiettivo contrastivo di miscelazione ambientale (InfoNCE). Crea rappresentazioni controfattuali miscelando le caratteristiche causali del Paziente A con le caratteristiche dei confonditori del Paziente B. Ciò costringe il readout a predire l'esito basandosi sul segnale causale indipendentemente dall'ambiente confonditore, sopprimendo così la dipendenza da correlazioni spurie.
• Predizione: L'output finale è un punteggio di regressione clampato [0, 30] per la gravità della PASC a orizzonti di 3, 6 e 9 mesi.

Protocollo di Benchmarking
Il regressore LLM è stato confrontato con una suite completa di baseline su 20 campionamenti stratificati:

• Storia: Last-value carry-forward (l'ultimo valore osservato).
• ML Tradizionale: Lasso, Ridge, XGBoost.
• Deep Learning: Deep MLP, Tabular ResNet, Self-Attention Network.
  La significatività statistica è stata valutata tramite test di Wilcoxon signed-rank accoppiati e test t.

Risultati Chiave

1. La Forza della Baseline: A causa della forte autocorrelazione della gravità della PASC, il semplice metodo last-value carry-forward è stato il predittore più accurato per l'intera coorte a tutti gli orizzonti (3, 6 e 9 mesi). Il regressore LLM non ha superato statisticamente il carry-forward sull'intera coorte in termini di Errore Assoluto Medio (MAE).
2. Performance tra i Modelli Appresi: Tra tutti i modelli appresi (escludendo il semplice carry-forward), il regressore LLM ha ottenuto il MAE più basso in tutti gli orizzonti. Ad esempio, a 3 mesi, l'LLM ha ottenuto un MAE di 3.11 rispetto a 3.57 di XGBoost ($p \le 0.01$).
3. Fenotipi Dinamici (Gruppo Responder): Il valore del modello appreso è condizionale. Nel fenotipo "Responder" (pazienti con traiettorie di sintomi dinamiche e variabili), l'LLM è stato il metodo più accurato in assoluto a 3 e 6 mesi, superando persino la baseline di carry-forward (sebbene la differenza non sia stata statisticamente significativa a causa dei vincoli del campione).
4. Interpretabilità e Saliency: Lo strato di disgiunzione ha assegnato con successo la salienza massima (peso $\approx 1.00$) ai token di patologia diretta (es. "mancanza di respiro", "malessere") mentre sopprimeva i confonditori come "menopausa" e "diabete" (peso $< 0.27$) e i riempitivi linguistici ($< 0.17$).

Significatività e Rivendicazioni
Gli autori inquadrano il loro contributo concentrandosi sull' "onestà" e l'interpretabilità piuttosto che sul guadagno di accuratezza pura:

• Integrità del Benchmarking: Il paper afferma che qualsiasi futuro modello di predizione della PASC deve essere giudicato rispetto a una baseline di last-value carry-forward, poiché questa semplice euristica è estremamente difficile da battere per i pazienti stabili.
• Utilità Condizionale: Il valore primario del modello appreso e disgiunto non è l'accuratezza universale migliorata, ma:
  1. Accuratezza Dinamica: Migliore performance specificamente nei pazienti con traiettorie di sintomi variabili (Responder).
  2. Onestà Clinica: La capacità di fornire un'attribuzione interpretabile che riduca il peso dei confonditori. Gli autori sostengono che un modello che identifica correttamente che la "menopausa" non è "Long COVID" è clinicamente superiore a un modello leggermente più accurato ma opaco che confonde i due, poiché riduce il rischio di diagnosi errata sistematica nella salute delle donne.

Limitazioni
Gli autori notano esplicitamente alcuni vincoli:

• Lo studio si basa su una singola coorte (RECOVER) senza validazione esterna.
• Il sottogruppo "Responder" è piccolo, limitando la potenza statistica per le affermazi sul sottogruppo.
• I dati dei wearable per orizzonti temporali più lunghi si sovrappongono al sondaggio dell'esito, agendo più come monitoraggio che come stretta predizione pre-baseline.
• La variante di disgiunzione è stata valutata solo per l'orizzonte di 3 mesi per l'interpretabilità; i risultati di accuratezza multi-orizzonte hanno utilizzato una configurazione leggermente diversa (fusione residua).

Conclusione
Il paper conclude che, per la previsione della gravità del Long-COVID nelle donne, le euristiche semplici sono riferimenti solidi. L'approccio proposto funge da complemento alla trasparenza di tali euristiche, offrendo un meccanismo di attribuzione "clinicamente onesto" che separa i segnali patologici dal rumore fisiologico confondente, particolarmente nelle popolazioni di pazienti dinamiche.