Bayesian Event-Based Model for Disease Subtype and Stage Inference

Título: Modelo Baseado em Eventos Bayesiano para Inferência de Subtipos e Estágios de Doença (bebms)

1. O Problema

As doenças crônicas, como a Doença de Alzheimer (DA), não progridem de maneira uniforme em todos os pacientes. Existe uma heterogeneidade estruturada, onde os pacientes seguem um número limitado de trajetórias distintas (subtipos).

• Limitações do Estado da Arte: O modelo atual padrão-ouro para inferir esses subtipos a partir de dados transversais é o SuStaIn (Subtype and Stage Inference). Embora amplamente utilizado, o SuStaIn apresenta fragilidades significativas:
  • Assume distribuições Gaussianas para biomarcadores, o que pode não refletir a realidade.
  • Assume estágios de doença uniformemente distribuídos, ignorando que estágios tardios são frequentemente sub-representados em coortes reais.
  • É sensível a erros de especificação do modelo (misspecification), falhando frequentemente em cenários sintéticos onde as premissas não são estritamente atendidas.
  • Apresenta instabilidade computacional (erros de matriz singular) e lentidão.

2. Metodologia: O Modelo bebms

Os autores propõem o bebms (Bayesian Event-Based Model for Subtyping), uma variante bayesiana do Modelo Baseado em Eventos (EBM).

• Estrutura do Modelo:
  • Modela a progressão da doença como uma sequência de eventos de biomarcadores.
  • Cada biomarcador transita de um estado "pré-evento" (saudável) para "pós-evento" (patológico).
  • A doença é definida por $T$ subtipos, cada um com uma sequência única de eventos ($S$).
  • Cada participante $j$ é atribuído a um subtipo $c_j$ e a um estágio $k_j$ (o maior evento ocorrido).
• Inferência Bayesiana:
  • Diferente do SuStaIn, que usa estimativas pontuais, o bebms utiliza um framework bayesiano completo.
  • Coloca priores Dirichlet fracos sobre as probabilidades de subtipos e estágios.
  • Assume que as medições dos biomarcadores seguem distribuições Gaussianas (compartilhadas entre subtipos), mas estima os parâmetros ($\theta$ para patológico, $\phi$ para saudável) de forma iterativa.
  • Utiliza um Sampler de Monte Carlo via Cadeias de Markov (MCMC) com o algoritmo Metropolis-Hastings para inferir simultaneamente a ordem dos eventos, os parâmetros de distribuição e as atribuições de subtipos/estágios.
• Seleção de Modelo:
  • Utiliza Validação Cruzada (K-fold) e um Critério de Informação de Validação Cruzada (CVIC) para determinar o número ótimo de subtipos ($T$), evitando o sobreajuste.
• Tratamento de Dados:
  • O modelo lida nativamente com dados ausentes (missing data), excluindo entradas faltantes durante a atualização de parâmetros e cálculo de verossimilhança, algo que a implementação atual do SuStaIn não faz.

3. Contribuições Principais

1. Desenvolvimento do bebms: Introdução de um modelo bayesiano que integra a interpretabilidade do EBM com a robustez da inferência probabilística.
2. Avaliação Rigorosa: Realização de testes extensivos em 1.320 conjuntos de dados sintéticos com "ground truth" conhecido, variando condições como:
   • Distribuições não-Gaussianas de biomarcadores.
   • Estágios de doença contínuos (violando a premissa de discretização).
   • Espaçamento irregular de eventos.
   • Diferentes proporções de controles saudáveis vs. pacientes.
3. Validação em Dados Reais: Aplicação do modelo ao conjunto de dados ADNI (Alzheimer's Disease Neuroimaging Initiative), comparando os resultados com o consenso científico atual sobre a progressão da DA.
4. Código e Reprodutibilidade: Disponibilização do pacote bebms via pip e dos códigos para replicação dos experimentos.

4. Resultados

• Dados Sintéticos (Desempenho Geral):

  • Ordenação de Biomarcadores: O bebms reduziu a distância de Kendall's $\tau$ em 27% em comparação ao SuStaIn, demonstrando maior precisão na inferência da sequência de eventos.
  • Atribuição de Estágios: Obebms superou o SuStaIn em 89% na precisão de estágio, especialmente em atribuir estágios baixos (próximos de 0) a participantes saudáveis, enquanto o SuStaIn tendia a superestimar a doença em controles.
  • Atribuição de Subtipos: Melhoria de 56% no Índice Rand Ajustado (ARI).
  • Robustez: O bebms manteve alto desempenho mesmo sob violações de premissas (distribuições não-Gaussianas, estágios contínuos), enquanto o SuStaIn (especialmente a versão GMM) falhou drasticamente ou colapsou (erros de matriz singular).
  • Eficiência Computacional: O bebms foi significativamente mais rápido (média de ~2.4 min vs ~6.6 min do SuStaIn) e escalou melhor para dados de alta dimensão (100 biomarcadores), onde o SuStaIn GMM falhou em completar o processamento dentro do limite de tempo.

• Dados Reais (ADNI - Alzheimer):

  • O SuStaIn identificou 6 subtipos, muitos com poucos participantes e padrões de progressão menos intuitivos.
  • O bebms identificou 3 subtipos, cujos padrões de progressão alinham-se muito mais estreitamente com o consenso neuropatológico (Murray et al., 2011):
    1. Subtipo 1 (3.4%): Início em neocórtex/cognição (corresponde ao Hippocampal-sparing AD).
    2. Subtipo 2 (67.9%): Início em biomarcadores de LCR (A/T), seguido por neurodegeneração (corresponde ao Typical AD).
    3. Subtipo 3 (28.7%): Início precoce no sistema límbico/hipocampo (corresponde ao Limbic-predominant AD).
  • Obebms atribuiu estágios médios muito mais baixos a controles saudáveis (1.10) comparado ao SuStaIn (2.48), indicando menor viés de falsos positivos.

5. Significado e Impacto

• Avanço Científico: O bebms oferece uma ferramenta mais robusta e confiável para desvendar a heterogeneidade de doenças neurodegenerativas, superando as limitações de especificação do modelo do SuStaIn.
• Implicações Clínicas: A capacidade de identificar subtipos com maior precisão e com menor necessidade de grandes coortes (o desempenho satura em ~300 pacientes) facilita a estratificação de pacientes para ensaios clínicos e medicina de precisão.
• Confiabilidade: A robustez do modelo frente a dados não-Gaussianos e incompletos torna-o mais aplicável a cenários do mundo real, onde os dados raramente seguem distribuições ideais.
• Conclusão: O estudo demonstra que a abordagem bayesiana para modelos baseados em eventos não apenas melhora a acurácia estatística, mas também produz resultados biologicamente mais plausíveis para a compreensão da progressão da Doença de Alzheimer.