AI-driven Multimodal Representation Learning for Latent Mediation Structure Discovery of Socioeconomic Disadvantage, Psychosocial Factors, and Cardiometabolic Multimorbidity

Sintesi Tecnica: Apprendimento di Rappresentazioni Multimodali Guidato dall'IA per la Scoperta della Struttura di Mediazione Latente

Definizione del Problema
Sebbene l'associazione tra svantaggio sociale e multimorbilità sia ben consolidata, i percorsi specifici che collegano le condizioni socioeconomiche ai carichi di malattie complesse rimangono scarsamente compresi. La tradizionale analisi di mediazione spesso si affida a modelli di regressione parametrici che assumono relazioni semplici e lineari, i quali sono insufficienti per le moderne coorti di popolazione ad alta dimensionalità, dove le variabili sono altamente correlate e potenzialmente non lineari. Inoltre, la multimorbilità presenta una sfida unica in quanto le malattie croniche si verificano in schemi interconnessi piuttosto che in isolamento, creando strutture di tipo network difficili da catturare con gli approoli analitici convenzionali. Gli studi esistenti spesso si concentrano su set limitati di mediatori predefiniti e singoli esiti patologici, fallendo nel caratterizzare i complessi percorsi trans-dominio attraverso i quali le esperienze sociali influenzano la multimorbilità.

Metodologia
Gli autori hanno sviluppato un framework di mediazione multimodale guidato dall'IA utilizzando i dati del programma di ricerca All of Us (Controlled Tier v8). Lo studio integra sette domini analitici: esposizioni socioeconomiche ($T$), mediatori psicosociali ($M$), esiti di malattia ($Y$), covariate demografiche ($X$), covariate di laboratorio ($L$), covariate comportamentali ($C$) e profili di carico genomico ($G$).

Il flusso di lavoro analitico consiste in quattro fasi primarie:

1. Costruzione della Rete di Malattie: Le reti di co-occorrenza delle malattie sono state costruite a partire dalle cartelle cliniche elettroniche utilizzando l'algoritmo di rilevamento delle comunità di Louvain per caratterizzare i pattern di multimorbilità.
2. Apprendimento di Rappresentazioni Specifiche per Modalità: Sono stati addestrati separatamente dei Variational Autoencoders (VAE) per ogni modalità di dati per derivare rappresentazioni latenti a bassa dimensionalità. Questo approccio è stato scelto perché le modalità differiscono significativamente per scala, sparsità e distribuzione.
   • Architettura: Ogni VAE comprende un encoder, uno strato latente e un decoder. I modelli sono stati addestrati per minimizzare la perdita di ricostruzione e la divergenza di Kullback–Leibler.
   • Iperparametri: Le dimensioni latenti sono state selezionate indipendentemente in base alla perdita Evidence Lower Bound (ELBO) del set di validazione, risultando in 4 dimensioni socioeconomiche ($Z_T$), 20 dimensioni psicosociali ($Z_M$), 10 dimensioni di rete di malattia ($Z_Y$), 10 dimensioni genomiche ($Z_G$), 8 dimensioni di laboratorio ($Z_L$) e 3 dimensioni comportamentali ($Z_C$).
3. Integrazione dei Dati: Le incastellature (embeddings) latenti a livello di partecipante per tutte le modalità sono state collegate utilizzando identificatori univoci.
4. Analisi di Mediazione nello Spazio Latente: Le analisi di mediazione sono state eseguite nello spazio latente per valutare i percorsi della forma $Z_T \rightarrow Z_M \rightarrow Z_Y$.
   • Modelli: Per ogni combinazione di esposizione, mediatore ed esito sono stati adattati due modelli di regressione: un modello del mediatore ($Z_M = \alpha_0 + a Z_T + \gamma^T W + \epsilon$) e un modello dell'esito ($Z_Y = \beta_0 + c' Z_T + b Z_M + \delta^T W + \epsilon$), dove $W$ rappresenta le covariate (demografiche, di laboratorio, comportamentali, genomiche).
   • Stima dell'Effetto: Gli Effetti Indiretti Naturali (NIE) sono stati stimati utilizzando l'approccio del prodotto dei coefficienti ($NIE = a \times b$).
   • Ambito: Lo studio ha valutato 800 percorsi di mediazione candidati ($4 \times 20 \times 10$).
   • Controllo Statistico: Il tasso di falsa scoperta (FDR) è stato controllato utilizzando la procedura di Benjamini–Hochberg. Il percorso più forte è stato ulteriormente validato tramite ricampionamento bootstrap non parametrico.

Risultati Chiave
La coorte analitica finale consisteva in 20.804 partecipanti con dati multimodali completi.

• Concentrazione del Percorso: I segnali di mediazione non erano diffusi ma concentrati all'interno di un numero limitato di dimensioni latenti.
• Percorso Dominante: Il più forte associazione indiretta è stata identificata nel percorso $Z_{T2} \rightarrow Z_{M13} \rightarrow Z_{Y9}$, con un NIE stimato di 0,002517.
  • Esposizione ($Z_{T2}$): Rappresentava lo svantaggio socioeconomico, caratterizzato da reddito e istruzione inferiori.
  • Mediatore ($Z_{M13}$): Rappresentava una dimensione latente di vulnerabilità psicosociale, caratterizzata da salute mentale peggiore, maggiore solitudine, minore benessere sociale e minore alfabetizzazione sanitaria. Questa dimensione mostrava anche associazioni con indicatori cardiometabolici (ipertensione, diabete, iperlipidemia).
  • Esito ($Z_{Y9}$): Rappresentava una dimensione di multimorbilità cardiometabolica, associata a ipertensione, diabete, iperlipidemia, obesità, malattia renale cronica e cardiopatia.
• Stabilità: L'analisi bootstrap del percorso dominante ha prodotto un NIE di 0,00291 (95% CI: 0,00243–0,00344), a supporto della stabilità del reperto.
• Struttura di Rete: Le reti di co-occorrenza delle malattie nel sottogruppo ad alta multimorbilità hanno mostrato una modularità significativamente più alta (0,694) rispetto alla coorte completa (0,116), indicando una separazione più netta tra le comunità di malattie negli individui con molteplici condizioni.

Significato e Rivendicazioni
L'articolo rivendica due contributi primari:

1. Approfondimento Sostanziale: Lo studio identifica la vulnerabilità psicosociale come una componente fortemente rappresentata nel percorso latente dominante che collega lo svantaggio socioeconomico alla multimorbilità cardiometabolica. Ciò suggerisce che fattori quali la salute mentale, la solitudine e l'alfabetizzazione sanitaria agiscano come intermediari critici nella relazione tra le condizioni sociali e i carichi di malattie complesse.
2. Avanzamento Metodologico: Il framework proposto dimostra come l'apprendimento di rappresentazioni guidato dall'IA (specificamente i VAE multimodali) possa essere utilizzato per investigare relazioni complesse in dati sanitari multimodali ad alta dimensionalità. Integrando diversi tipi di dati in uno spazio latente unificato, l'approccio consente l'esplorazione di percorsi complessi senza richiedere agli investigatori di specificare individualmente i mediatori o gli esiti a priori.

Limitazioni e Avvertenze
Gli autori dichiarano esplicitamente che l'analisi è osservazionale e non può stabilire effetti di mediazione causale. I termini "Effetto Indiretto Naturale" e "Effetto Diretto Naturale" sono usati come etichette per quantità di decomposizione basate sulla regressione nello spazio latente, non come effetti causalmente identificati. Inoltre, lo studio nota che le dimensioni latenti sono costrutti appresi che richiedono interpretazione attraverso le correlazioni, e che la riduzione della dimensione del campione dovuta all'integrazione dei casi completi può introdurre un bias di selezione. I risultati rappresentano associazioni indirette strutturate piuttosto che prove di causalità.