Multimodal Ordinal Modeling of Alzheimer's Disease Severity Using Structural MRI and Clinical Data

Resumo Técnico: Modelagem Ordinal Multimodal da Gravidade da Doença de Alzheimer

Declaração do Problema

A avaliação precisa e escalável da gravidade da doença de Alzheimer (DA) é crítica, particularmente com o advento de terapias modificadoras da doença que são mais eficazes em estágios iniciais. No entanto, o padrão ouro clínico atual, a escala de Classificação de Demência Clínica (CDR), é demorada, exige avaliadores treinados e sofre de variabilidade inter-avaliador. Além disso, as abordagens atuais de aprendizado profundo para o estadiamento da DA frequentemente tratam a gravidade da doença como um problema de classificação multinomial nominal. Esta formulação ignora a natureza inerentemente ordenada da escala CDR (variando de ausência de comprometimento a demência grave), o que pode levar a predições implausíveis onde estágios de doença distantes recebem probabilidades maiores do que estágios adjacentes. Adicionalmente, integrar efetivamente dados heterogêneos de modalidades distintas (RM estrutural e dados clínicos tabulares) mantendo a interpretabilidade permanece um desafio metodológico significativo.

Metodologia

Os autores propõem um framework de aprendizado profundo multimodal com reforço de atenção, projetado para o estadiamento ordinal automatizado da gravidade da DA.

Fontes de Dados e Pré-processamento:

• Cohortes: Os dados foram extraídos de três grandes conjuntos de dados publicamente disponíveis: ADNI, AIBL e NIFD.
• Rótulos: A gravidade da doença foi codificada como rótulos ordenados baseados na pontuação global de CDR. Devido ao tamanho limitado de amostras para estágios graves, o estudo focou em CDR 0 (ausência de comprometimento), 0.5 (muito leve) e 1 (leve).
• Modalidades:
  • Imagem: Scans de RM ponderados em T1 foram pré-processados com localização cerebral, recorte/preenchimento central para 140×160×160 voxels e normalização de intensidade. Não foi realizada harmonização explícita para refletir a variabilidade real dos scanners.
  • Tabular: Variáveis demográficas e genéticas (idade, sexo, escolaridade, genótipo APOE) foram imputadas usando MICE (restrito ao conjunto de treinamento) e padronizadas.
• Divisão: Divisões estratificadas por coorte foram utilizadas para treinamento e validação. Um conjunto de teste estritamente isolado foi construído usando sujeitos completamente excluídos de todo o treinamento, validação, pré-processamento e ajuste de hiperparâmetros para evitar vazamento de dados (data leakage).

Arquitetura do Modelo:
O framework emprega codificadores específicos por modalidade seguidos por um módulo de fusão:

1. Codificador de RM: Um backbone ResNet-18 3D (pré-treinado em imagens médicas) extrai representações espaciais hierárquicas de volumes ponderados em T1.
2. Codificador Tabular: TABPFN (Tabular Prior-Data Fitted Network), uma arquitetura baseada em transformer, processa dados demográficos e genéticos para capturar interações não lineares complexas.
3. Mecanismo de Fusão: Duas estratégias foram comparadas:
   • Concatenação Linear: Concatenação direta de embeddings.
   • Fusão Baseada em Atenção: Utiliza módulos de autoatenção e atenção cruzada para ponderar dinamicamente as características específicas de cada modalidade e capturar dependências intermodais.
4. Cabeça de Predição: O estudo formulou explicitamente a tarefa como regressão ordinal em vez de classificação nominal. Dois frameworks ordinais de última geração foram implementados:
   • CORAL (COnsistent RAnk Logits): Reformula a tarefa em $k-1$ classificadores binários que compartilham um vetor de peso comum.
   • CORN (Conditional Ordinal Regression for Neural networks): Modela a estrutura ordinal através de uma sequência de classificadores binários condicionais.

Treinamento e Avaliação:
Os modelos foram treinados usando o otimizador Adam com aumento de dados (transformações afins, ruído, desfoque). O desempenho foi avaliado por meio de Erro Médio Absoluto (MAE), Acurácia de Estágio Adjacente e Kappa de Peso Quadrático (QWK). A explicabilidade foi avaliada via Grad-CAM++ para imagens e SHAP para dados tabulares.

Principais Contribuições

1. Arquitetura de Fusão Multimodal: Desenvolvimento de uma arquitetura baseada em atenção que integra RM estrutural com fatores de risco demográficos e genéticos, demonstrando que estas modalidades fornecem sinais complementares para o estadiamento.
2. Aplicação de Regressão Ordinal: A aplicação de frameworks modernos de regressão ordinal (CORAL e CORN) ao estadiamento automatizado de CDR, modelando explicitamente a natureza progressiva do declínio cognitivo em vez de tratar os estágios como categorias independentes.
3. Interpretabilidade Abrangente: Integração de técnicas de IA explicável (Grad-CAM++ e SHAP) para validar que as predições do modelo dependem de regiões cerebrais anatomicamente plausíveis (ex: hipocampo) e variáveis clinicamente relevantes (ex: APOE, idade).

Resultados

• Desempenho Unimodal: O modelo de RM ponderada em T1 alcançou uma acurácia de estágio adjacente (0.963) e QWK (0.444) ligeiramente superiores ao modelo apenas tabular (QWK 0.433), embora ambos apresentem limitações em capturar o espectro total da variabilidade da doença.
• Melhoria Multimodal: A integração de dados de imagem e tabulares melhorou o desempenho geral. O baseline multimodal não ordinal alcançou o menor Erro Médio Absoluto (MAE 0.340).
• Ordinal vs. Não-Ordinal: O modelo ordinal multimodal alcançou a maior acurácia de estágio adjacente (0.970) e o maior acordo com o estadiamento clínico (QWK 0.549), superando o baseline não ordinal (QWK 0.477).
• Análise de Erros: As classificações incorretas ocorreram predominantemente entre estágios adjacentes (ex: CDR 0.5 vs. 1), o que é consistente com a dificuldade de distinguir estados clínicos limítrofes. A formulação ordinal reduziu com sucesso erros de grande magnitude de severidade.
• Robustez: O reamostragem por bootstrap (1.000 iterações) confirmou a estabilidade do desempenho, com um intervalo de confiança de 95% para a acurácia adjacente de 0.959–0.982.
• Interpretabilidade: O Grad-CAM++ destacou o hipocampo e o lobo temporal medial, enquanto o SHAP identificou a idade e o genótipo APOE como os preditores tabulares mais influentes.

Significância e Alegações

O artigo afirma que as formulações ordinais capturam melhor a estrutura ordenada da escala CDR, gerando predições que são mais consistentes com o estadiamento clínico do que as abordagens de classificação padrão. Os autores argumentam que, embora os modelos não ordinais possam atingir um erro absoluto ligeiramente menor em algumas métricas, os modelos ordinais produzem predições que são inerentemente consistentes em ranking e reduzem erros de estadiamento clinicamente implausíveis.

O estudo postula que o aprendizado multimodal baseado em atenção combinado com a regressão ordinal representa uma abordagem robusta, interpretável e escalável para o estadiamento automatizado da gravidade da DA. Ao alavancar RM ponderada em T1 rotineiramente disponível e variáveis clínicas básicas, o framework oferece uma ferramenta para suporte à decisão clínica assistida por IA que se alinha com a progressão gradual da doença neurodegenerativa. Os autores enfatizam que sua abordagem aborda a lacuna metodológica de ignorar a ordinalidade no aprendizado profundo para demência e fornece uma alternativa transparente e clinicamente coerente às práticas de estadiamento atuais.

Limitações Notadas pelos Autores:

• Exclusão de estágios de demência grave (CDR 2 e 3) devido a restrições de tamanho de amostra.
• Uso apenas de RM ponderada em T1, sem PET ou outras modalidades avançadas de RM.
• Falta de harmonização explícita de scanners, embora os modelos tenham demonstrado resiliência à variabilidade entre coortes.
• O uso de TABPFN, que não suporta nativamente a regressão ordinal, exigiu a aplicação de restrições ordinais na fase de fusão, em vez de dentro do próprio codificador tabular.