Interpretable Alzheimer's Diagnosis via Multimodal Fusion of Regional Brain Experts

1. Problema e Motivação

O diagnóstico precoce e preciso da Doença de Alzheimer (DA) é crucial, mas desafiador devido à sobreposição de sintomas com o envelhecimento saudável e outras demências. A prática clínica exige a integração de múltiplas fontes de dados, como a Tomografia por Emissão de Pósitrons (PET) de amiloide (informação molecular) e a Ressonância Magnética (MRI) estrutural (informação volumétrica/atrofia).

No entanto, os modelos de fusão multimodal convencionais enfrentam três limitações principais:

• Fusão Simples: A maioria dos métodos utiliza a concatenação simples de características (features), tratando todas as modalidades e regiões cerebrais como igualmente informativas, ignorando a heterogeneidade entre pacientes.
• Falta de Interpretabilidade Granular: As técnicas atuais de explicabilidade (como SHAP) operam no nível de colunas individuais (ex: volume de uma região específica), o que é fragmentado demais para a prática clínica. Falta uma interpretação em nível mesoscópico (agrupamento de regiões, como lobos frontais ou temporais) que seja clinicamente relevante.
• Fragilidade com Dados Ausentes: Em cenários reais, dados multimodais são frequentemente incompletos (ex: um paciente tem MRI mas não PET devido a custos ou contraindicações). Modelos padrão tendem a ter desempenho degradado quando uma modalidade falta, exigindo conjuntos de dados completos ou modelos separados.

2. Metodologia: MREF-AD

Os autores propõem o MREF-AD (Multimodal Regional Expert Fusion), uma arquitetura baseada em Mistura de Especialistas (Mixture-of-Experts - MoE) projetada especificamente para dados tabulares de neuroimagem.

• Arquitetura de Especialistas Regionais:

  • O modelo decompõe cada modalidade de neuroimagem (PET de amiloide e MRI estrutural) em especialistas regionais independentes.
  • Utilizando o atlas FreeSurfer, os dados são divididos em 14 regiões mesoscópicas do cérebro. Isso resulta em 28 especialistas de imagem (14 regiões × 2 modalidades) mais 1 especialista para variáveis demográficas (idade, sexo, etc.), totalizando N = 29 especialistas.
  • Cada especialista é uma Rede Neural Perceptron Multicamada (MLP) leve de três camadas que processa apenas as características de sua região/modalidade específica.

• Mecanismo de Portão (Gating Network):

  • Uma rede de portão aprende pesos de fusão específicos para cada sujeito.
  • O portão calcula probabilidades (soft weights) para determinar quais especialistas (regiões e modalidades) são mais relevantes para o diagnóstico de um indivíduo específico.
  • O mecanismo lida com modalidades ausentes mascarando os especialistas correspondentes (definindo seus pesos como zero) e normalizando os pesos restantes, permitindo inferência sem necessidade de retreinamento ou imputação complexa.

• Função de Perda e Regularização:

  • O modelo é otimizado com perda de entropia cruzada, acrescida de penalidades de esparsidade (para focar em poucos especialistas relevantes) e diversidade (para garantir que os especialistas aprendam padrões diferentes).
  • Adiciona-se ruído gaussiano aos pesos do portão para evitar convergência para subconjuntos ótimos de especialistas e promover robustez.

3. Contribuições Principais

1. Arquitetura MoE Adaptativa: Introdução do MREF-AD, que decompõe modalidades em especialistas regionais, aprendendo pesos de fusão específicos para cada paciente, permitindo uma fusão adaptativa e interpretável.
2. Robustez a Dados Ausentes: Demonstração de que a arquitetura mantém desempenho diagnóstico superior mesmo quando modalidades críticas (PET ou MRI) estão faltando no momento da inferência, superando significativamente modelos baseados em concatenação.
3. Interpretabilidade em Nível Regional: Fornecimento de uma análise de importância que agrupa características em regiões anatômicas clínicas (ex: lobo temporal, substância branca), gerando um "atlas" orientado por dados da relevância de biomarcadores, em vez de apenas listar colunas de features.

4. Resultados Experimentais

O modelo foi avaliado no conjunto de dados ADNI (Alzheimer's Disease Neuroimaging Initiative), classificando pacientes em Cognição Normal (CN), Comprometimento Cognitivo Leve (MCI) e Doença de Alzheimer (AD).

• Desempenho de Classificação: O MREF-AD superou consistentemente baselines clássicos (Logistic Regression, Random Forest, XGBoost) e modelos de deep learning (MLP, FT-Transformer, Flex-MoE), alcançando a maior acurácia (0.657) e F1-score macro (0.664).
• Robustez a Modalidades Faltantes:
  • Em cenários onde o PET ou o MRI estava ausente, o MREF-AD manteve um F1-score em torno de 0.50.
  • Em contraste, o FT-Transformer caiu para ~0.38 e modelos lineares (Logistic Regression) caíram para ~0.20, demonstrando a superioridade da arquitetura MoE em lidar com dados incompletos.
• Interpretabilidade:
  • A análise dos pesos do portão revelou que regiões como o lobo temporal e estruturas subcorticais são altamente ponderadas, alinhando-se com a literatura clínica sobre atrofia e patologia de amiloide na DA.
  • O modelo mostrou padrões personalizados: pacientes com MCI estável apresentaram pesos diferentes de pacientes com DA avançada, refletindo a progressão da doença.
• Eficiência Computacional:
  • Graças ao design esparsos (Top-k), o MREF-AD ativa apenas um subconjunto de parâmetros durante a inferência.
  • Na configuração Top-1, o modelo utiliza apenas ~106k parâmetros ativos e ~211k FLOPs, sendo significativamente mais eficiente que o FT-Transformer (que usa todos os parâmetros) e até mais eficiente que um MLP básico, mantendo desempenho superior.

5. Significado e Conclusão

O MREF-AD representa um avanço significativo na inteligência artificial aplicada à neurologia. Ao tratar regiões cerebrais como especialistas independentes, o modelo não apenas melhora a precisão diagnóstica, mas também oferece uma explicabilidade intrínseca que é clinicamente acionável.

A capacidade de operar robustamente com dados incompletos é particularmente relevante para a implementação clínica real, onde a disponibilidade de exames de PET pode ser limitada. O trabalho valida que a fusão adaptativa e baseada em especialistas supera as abordagens de "caixa preta" tradicionais, fornecendo insights sobre como a informação molecular e estrutural se combinam de forma heterogênea entre pacientes para prever a Doença de Alzheimer. O código-fonte foi disponibilizado publicamente para reprodutibilidade.