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

Technische Samenvatting: Uitlegbare AI voor Voorspelling van Kankermedicijnrespons: Voorbij Univariante Feature-attributies

Probleemstelling
Het voorspellen van de respons op kankermedicijnen vanuit transcriptomische profielen is een cruciaal onderdeel van precisie-oncologie. Hoewel machine learning-modellen sterke voorspellende prestaties hebben behaald bij het modelleren van hoogdimensionele, niet-lineaire afhankelijkheden tussen tumor moleculaire profielen en medicijnrespons, wordt hun wetenschappelijke nut vaak beperkt door een gebrek aan interpreteerbaarheid. Huidige Explainable AI (XAI)-benaderingen in dit domein vertrouwen voornamelijk op univariate feature-attributiemethoden, zoals SHAP. Deze methoden lijden onder twee primaire beperkingen:

1. Robuustheid en Schaalbaarheid: SHAP-gebaseerde verklaringen vertonen een beperkte robuustheid en hebben moeite met het effectief schalen naar hoogdimensionele transcriptomische data (duizenden genen).
2. Biologische Oversimplificatie: Univariante methoden beoordelen genen onafhankelijk, waardoor ze er niet in slagen de gecoördineerde activiteit van meerdere genen en pathways te vatten die cellulaire gevoeligheid en resistentie aansturen. Bijgevolg blijven hogere-orde biologische mechanismen en gen-gen interacties verborgen.

Methodologie
De auteurs stellen ILLUME+ voor, een schaalbaar post-hoc explainability-framework dat is ontworpen om de beperkingen van bestaande methoden te overwinnen en verder te gaan dan enkelvoudige gen-beoordelingen. De methodologie is gestructureerd als een volledig data-gestuurde, end-to-end pipeline:

1. Data Preprocessing en Discretisatie: Continue medicijnresponsdata (bijv. $IC_{50}$) wordt gediscretiseerd in drie geordende klassen (gevoelig, intermediair, resistent) met behulp van tertiel-gebaseerde binning op de trainingsdata om de extractie van interpreteerbare beslisregels te vergemakkelijken.
2. Feature Selectie: Een volledig data-gestuurde aanpak met behulp van het Boruta-algoritme identificeert een informatieve subset van genen die relevant zijn voor elk medicijn, zonder arbitraire drempels of gebruikersgedefinieerde biases op te leggen.
3. Black-Box Predictie: Een gradient-boosting ensemble van beslissingsbomen wordt getraind op de geselecteerde features om de niet-lineaire relaties tussen genexpressie en medicijngevoeligheid te modelleren.
4. ILLUME+ Framework:
   • Schaalbare Architectuur: ILLUME+ breidt de ILLUME meta-explainer uit door computationele bottlenecks in hoogdimensionele settings aan te pakken. Het maakt gebruik van een 1-laagse low-rank hypernetwork om de gewichten van de mappingfunctie $W(x)$ te comprimeren, waardoor het aantal parameters wordt verminderd van $O(v \times m^2)$ naar $O(v \times m \times r)$ (waarbij $r \ll m$).
   • Efficiënte Regularisatie: Het vervangt de computationeel dure volledige Jacobian-penalty door een efficiënte stochastische estimator gebaseerd op Jacobian-vectorproducten, wat lokale lineariteit afdwingt zonder expliciete Jacobian-constructie.
   • Generatie van Verklaringen: Het framework leert een lokaal-lineaire latente representatie van het black-box model. Vanuit deze ruimte worden meerdere verklarende objecten gedecodeerd:
     • Univariate Attributies: Gen-belangrijkheidsscores afgeleid van surrogaatmodellen (logistische regressie of beslissingsbomen).
     • Beslisregels: Feitelijke en contrafeitelijke regels die gezamenlijke expressiepatronen vastleggen (bijv. "als Gen A > $c$ EN Gen B < $d$, dan Gevoelig").
     • Gen-Gen Interacties: Paarse interacties worden geïdentificeerd door de co-occurrence van genen binnen beslisregels te analyseren met behulp van de lift-maatstaf. Deze interacties worden gevisualiseerd als een gewogen gen-gen interactiegrafiek.

Kernbijdragen

• ILLUME+: Een schaalbare uitbreiding van het ILLUME-framework die in staat is om robuuste, gestructureerde verklaringen te extraheren uit hoogdimensionele transcriptomische data, waarbij de schaalbaarheidsbeperkingen van bestaande post-hoc XAI-methoden worden aangepakt.
• End-to-End Pipeline: Een nieuwe pipeline die verder gaat dan univariate feature-attributies om verklaringen te herstellen die de gen-gen mechanismen achter medicijngevoeligheid en -resistentie vatten.
• Hypothesegeneratie: Een demonstratie dat de methode bekende biologische associaties kan bevestigen en nieuwe gen-interacties kan onthullen om testbare hypothesen te genereren zonder afhankelijk te zijn van vooraf gedefinieerde biologische priors.

Resultaten
De auteurs evalueerden ILLUME+ tegenover baselines (SHAP en LIME) met behulp van 20 drug-datasets afkomstig uit de GDSC en CCLE bronnen.

• Univariate Attributie Prestaties:

  • Target Recovery: ILLUME+ rangschikt vermeende medicijntargets effectiever onder de topgenen vergeleken met SHAP en LIME, gemeten via NDCG@k.
  • Pathway Enrichment: ILLUME+ geeft prioriteit aan Mechanism-of-Action (MoA) gerelateerde genen effectiever dan SHAP (statistisch significant) en levert resultaten die vergelijkbaar zijn met LIME.
  • Robuustheid: ILLUME+ vertoont een significant hogere robuustheid (gemeten als de cosinus-gelijkenis van belangheidsvectoren in lokale buurten) over alle buurtgroottes vergeleken met zowel SHAP als LIME.

• Gen-Gen Interactie Analyse:

  • Pathway Overlap: De hoogst gerangschikte genparen geïdentificeerd door ILLUME+ vertonen een significant hogere pathway overlap (functionele nabijheid) dan laagst gerangschikte paren. Deze scheiding is consistent over alle medicijnen, terwijl SHAP-gebaseerde interactierangschikkingen slechts voor 40% van de medicijnen significant waren.
  • Biologische Coherentie: In specifieke casestudies (bijv. Venetoclax) identificeerde de methode onderscheidende interactiepatronen: gevoelige cellen vertoonden interacties gerelateerd aan immuunrespons en neutrofiel chemotaxis, terwijl resistente cellen interacties vertoonden gerelateerd aan angiogenese en celadhesie.
  • Netwerk Centraliteit: Vermeende medicijntargets werden gevonden op centrale posities in de interactiegrafieken (bijv. hoge sterkte voor chromatine-remodeling targets in gevoelige lijnen; hoge betweenness voor signalerings-targets zoals EGFR in gevoelige lijnen), wat consistent is met hun biologische rollen.
  • Regel Extractie: Het framework extraheerde beknopte, interpreteerbare beslisregels die betrokken zijn bij bekende prognostische genen en MoA-gerelateerde pathways, evenals nieuwe combinaties die nieuwe hypothesen suggereren (bijv. specifieke gencombinaties voor Erlotinib-resistentie).

Betekenis en Claims
Het artikel claimt dat ILLUME+ het paradigma van medicijnrespons-modellering verschuift van puur prestatiegerichte oefeningen naar hypothese-genererende instrumenten voor AI-ondersteunde wetenschappelijke ontdekking. Door het bieden van robuuste, schaalbare en paarsgewijze gen-verklaringen, stelt het framework de volgende zaken mogelijk:

1. Getrouwe Audit: Een nauwkeuriger begrip van de beslissingslogica die geleerd is door black-box modellen in hoogdimensionele settings.
2. Onbevooroordeelde Ontdekking: Het vermogen om biologisch betekenisvolle structuren en gen-interacties te ontsluiten zonder te vertrouwen op vooraf gedefinieerde aannames of biologische priors, waardoor de bias wordt vermeden die inherent is aan modellen die voorkennis inbedden.
3. Actieven Inzichten: De generatie van testbare biologische hypothesen met betrekking tot nieuwe interactie-gedreven moleculaire signalen in de kankerbiologie.

De auteurs benadrukken dat hoewel de geëxtraheerde interacties model-afgeleide signalen zijn, ze dienen als een fundament voor het genereren van hypothesen die onafhankelijke experimentele validatie vereisen. Het werk demonstreert dat principiële uitlegbaarheid effectief de kloof kan overbruggen tussen voorspellende nauwkeurigheid en biologisch inzicht in precisie-oncologie.