Multi-Modal Graph Neural Network with Transformer-Guided Adaptive Diffusion for Preclinical Alzheimer Classification

Resumo Técnico: Rede Neural de Grafos Multimodal com Difusão Adaptativa Guiada por Transformer para Classificação de Alzheimer Pré-clínico

Definição do Problema
A representação gráfica do cérebro, construída a partir de regiões de interesse (ROIs) e seus recursos de conectoma, oferece insights críticos para o diagnóstico de doenças neurodegenerativas como a Doença de Alzheimer (DA). No entanto, as Redes Neurais de Grafos (GNNs) existentes enfrentam limitações inerentes na interpretação dessas redes. As abordagens convolucionais tradicionais têm dificuldade em agregar informações de vizinhanças distantes, enquanto os métodos baseados em atenção frequentemente falham em capturar informações centradas em nós suficientes, particularmente em relação a características críticas de nós pivotais. Essas deficiências dificultam a identificação de variações específicas da doença ao utilizar diversos recursos de múltiplas modalidades de imagem (ex: MRI, PET). Além disso, a heterogeneidade introduzida por múltiplas magnitudes de biomarcadores complica a análise das propriedades locais versus globais do grafo.

Metodologia: Estrutura GTAD
Os autores propõem o GTAD (GNN com Difusão Adaptativa Guiada por Transformer), uma estrutura integrada projetada para agregar propriedades de grafo de curto alcance (local) e longo alcance (global). A arquitetura consiste em três componentes primários:

1. Bloco de Convolução Adaptativa por Modalidade:

   • O modelo trata a rede cerebral como um grafo não direcionado $G$ com um Laplaciano normalizado $\hat{L}$.
   • Para cada modalidade de imagem $m$, um codificador processa os recursos dos nós $x^m$ usando uma convolução de kernel de calor (heat-kernel convolution). A operação de convolução é definida como $H^m_z = \sigma_z(e^{-s^m \hat{L}} H^m_{z-1} W^m_z)$, onde $s^m$ representa um vetor de escala por nó treinável específico para cada modalidade.
   • Ao contrário de kernels fixos, essas escalas são aprendidas para capturar adaptativamente as características locais de cada nó para diferentes modalidades. Isso permite que o modelo determine o intervalo de vizinhança ideal para cada ROI com base nos dados de imagem específicos.

2. Bloco de Autoatenção por Modalidade:

   • Os embeddings $\{H^m_Z\}$ do bloco de convolução são alimentados em um mecanismo de autoatenção baseado em Transformer.
   • Diferente dos Transformers padrão que frequentemente tratam todos os tokens uniformemente, o GTAD atribui uma cabeça de atenção específica para cada modalidade. Isso permite que o modelo integre informações de longo alcance através do grafo que não são capturadas pela convolução local.
   • A autoatenção de múltiplas cabeças computa características globais ao atender conjuntamente a informações de diferentes modalidades através de várias ROIs. O bloco inclui conexões residuais e normalização de camada para estabilizar o aprendizado.

3. Atualização de Escala Guiada por Transformer:

   • A representação global $B_P$ do bloco de atenção é passada para um classificador downstream para prever o rótulo da doença.
   • A função de perda (entropia cruzada) é retropropagada não apenas para atualizar pesos, mas também para atualizar as escalas específicas da modalidade $s^m$.
   • Uma regularização de norma $\ell_1$ é aplicada para garantir escalas positivas para o kernel de calor. Este mecanismo permite que o Transformer guie o processo de difusão adaptativa, ajustando efetivamente os campos receptivos locais com base na tarefa de classificação global.

Principais Contribuições

1. Estrutura Inovadora: O artigo propõe uma estrutura que agrega propriedades de curto alcance via kernels de difusão adaptativa e propriedades de longo alcance via atenção de múltiplas cabeças, abordando as limitações de GNNs puramente convolucionais ou puramente baseadas em atenção.
2. Desempenho Superior: O modelo demonstra desempenho de estado da arte em tarefas de classificação de grafos para Alzheimer pré-clínico, superando vários baselines, incluindo GNNs baseadas em convolução (GCN, GAT), baseadas em difusão (GraphHeat, GDC, ADC, LSAP) e Graph Transformers (NodeFormer, DIFFormer, SGFormer).
3. Interpretabilidade: A estrutura fornece interpretabilidade ao aprender escalas de nós e escores de atenção. Isso permite a identificação de ROIs fundamentais associadas aos estágios de Alzheimer pré-clínico, oferecendo insights sobre quais regiões anatômicas são mais críticas para modalidades de imagem específicas.

Resultos Experimentais
Experimentos foram conduzidos no conjunto de dados Alzheimer's Disease Neuroimaging Initiative (ADNI), compreendendo 919 sujeitos pré-clínicos classificados em Controle (CN), Preocupação Significativa de Memória (SMC) e Comprometimento Cognitivo Leve Inicial (EMCI). O estudo utilizou redes cerebrais estruturais de Imagem de Tensor de Difusão (DTI) e medidas de ROI de FDG-PET, Amyloid-PET e MRI (espessura cortical).

• Acurácia de Classificação: O GTAD alcançou a maior acurácia em todas as combinações experimentais de modalidades. Notavelmente, atingiu 96,3% de acurácia ao utilizar todos os recursos de imagem, superando o próximo melhor método baseado em Transformer (SGFormer com 95,1%).
• Robustez: O modelo manteve alto desempenho mesmo em condições difíceis, como a predição de estágios iniciais de AD usando espessura cortical e $\beta$-Amiloide, onde a acurácia atingiu 94,5%.
• Estudo de Ablação: A remoção da camada de convolução adaptativa ou do mecanismo de atenção multimodal resultou em quedas significativas de desempenho, confirmando que o treinamento conjunto das escalas adaptativas locais e da atenção global é essencial para a eficácia do modelo.

Achados de Interpretabilidade
O estudo analisou as escalas aprendidas e os escores de atenção para identificar variações específicas da doença:

• Escalas Adaptativas: O modelo identificou que ROIs com escalas treinadas pequenas dependem fortemente de informações vizinhas, enquanto aquelas com escalas grandes requerem características distantes. As escalas variaram significamente entre modalidades para a mesma região cerebral, fornecendo uma compreensão multidimensional de subredes.
• ROIs Chave: O modelo destacou regiões específicas com alta importância, incluindo o giro lingual (detectado com a maior taxa de importância em todas as modalidades), hipocampo (alta importância em FDG) e putâmen (alta em Espessura Cortical e $\beta$-Amiloide). Estas regiões são conhecidas por serem algumas das primeiras afetadas na progressão da DA.

Significância
Os autores afirmam que o GTAD oferece uma solução prática para a classificação e interpretação do Alzheimer pré-clínico. Ao combinar efetivamente propriedades de grafos locais e globais através de um processo de difusão guiado por Transformer, o modelo não apenas melhora a acurácia diagnóstica, mas também identifica regiões anatômicas chave associadas à doença. Essa capacidade dupla apoia o diagnóstico precoce e o potencial para estratégias de prevenção de doenças ao elucidar as variações específicas de biomarcadores ligadas aos estágios pré-clínicos do Alzheimer.