Resumo Técnico: MARD – Destilação de Raciocínio Aumentada por Espelhamento para Predição de DDI em Nível de Mecanismo

1. Definição do Problema e Motivação

Os sistemas atuais de predição de Interação Medicamentosa (DDI) tratam predominantemente a tarefa como um problema de classificação multirrótulo plano, fornecendo apenas se uma interação existe ou um rótulo de família genérico. Essa abordagem falha em abordar a realidade clínica: prescritores exigem explicações mecanísticas (qual enzima ou transportador está implicado), direcionalidade (qual fármaco afeta o outro) e fundamentação de evidências para evitar a "fadiga de alertas". Os sistemas existentes que emitem justificativas frequentemente carecem de restrições de esquema, falham em impor a simetria farmacológica (onde inverter a ordem dos fármacos $A \to B$ deve espelhar $B \to A$) e sofrem de alucinação, citando alvos proteicos ou mecanismos inexistentes.

Além disso, os modelos de linguagem de fronteira (LLMs) aplicados diretamente a esta tarefa exibem três falhas ortogonais:

1. Inconsistência de Espelhamento: As predições para $(A, B)$ e $(B, A)$ frequentemente divergem em família ou direção.
2. Colapso por Desequilíbrio de Classes: Os modelos colapsam para o atrator dominante "Risco Adverso" devido ao desequilíbrio de 47:1 entre as famílias de mecanismos.
3. Alucinação de Evidências: Os modelos geram citações plausíveis, mas não fundamentadas.

A questão de pesquisa proposta é se um Modelo de Linguagem Pequeno (SLM), sem acesso em tempo de teste a modelos de fronteira, pode produzir predições de DDI que sejam fundamentadas em esquema, estáveis sob espelhamento, robustas a fármacos/pares "frios" (não vistos no treinamento) e totalmente auditáveis.

2. Metodologia: O Pipeline MARD

Os autores propõem o MARD (Mirror-Augmented Reasoning Distillation), um modelo de 7 bilhões de parâmetros treinado via um pipeline de quatro estágios no lançamento de abril de 2026 do DrugBank (1,45M de pares, 7 famílias de mecanismos, 147 subtipos).

2.1 Dados e Esquema

• Taxonomia: Uma hierarquia estruturada de 7 famílias/147 subtipos com tags de direcionalidade ($A \to B$, $B \to A$, Bidirecional, N/A).
• Pool de Evidências ($E_p$): Para cada par, o modelo recebe campos estruturados (flags de PK, alvos proteicos, vias) e um bloco de recuperação de $K=5$ pares vizinhos rotulados similares. Crucialmente, o pool é estruturado, não texto livre, garantindo que cada identificador citado seja verificável.
• Divisões Seguras contra Vazamento (Leakage-Safe Splits): Três protocolos são definidos: Random-Split (Warm), Drug-Cold (nenhum fármaco de teste no treinamento), e Pair-Cold (nenhum par de teste compartilha ambos os fármacos com o treinamento).

2.2 Inovações de Treinamento

O pipeline emprega três inovações de treinamento acopladas para abordar as falhas identificadas:

1. Destilação de Consenso de Cross-Teacher:

   • Candidatos são gerados por três modelos professores diversos (Qwen2.5-72B, DeepSeek-R1-70B, Llama-3.3-70B).
   • Uma pilha de julgamento de quatro camadas (controle de qualidade baseado em regras, pontuação DDI-PRM, autoconsistência e uma sonda GPT-4o fora da família) seleciona o traço de consenso.
   • Isso reduz o viés sistemático e garante dados de treinamento de alta qualidade e conformes ao esquema.

2. SFT Aumentada por Espelhamento com KL de Restrição de Posição:

   • Para impor a simetria, cada exemplo de treinamento é pareado com seu gêmeo invertido ($AB$e$BA$).
   • Uma Divergência KL de Restrição de Posição é aplicada apenas no token único da "tag de direção". Isso impõe a restrição de que a tag de direção deve inverter quando a ordem do par é trocada, enquanto deixa o texto do traço de raciocínio livre para preservar a diversidade estilística.
     im Isso evita que o modelo colapse em strings idênticas para ambas as ordens (o que prejudica o desempenho), garantindo que a direcionalidade crítica seja estável.

3. DPO com Pesos de PRM e Negativos Difíceis:

   • DDI-PRM (Process Reward Model): Uma cabeça de recompensa ajustada via LoRA treinada em rótulos de etapas auto-verificáveis. Uma etapa é recompensada se for fundamentada em evidências, preservar a direção, ser consistente com a família e consistente com as flags de PK contra os campos do DrugBank. Não são necessários juízes humanos.
   • Negativos Difíceis (Hard Negatives): Traços "errados" programáticos são construídos editando apenas o bloco de resposta estruturada final (ex: alterando a família para "Risco Adverso" enquanto mantém o texto de raciocínio idêntico). Isso força o modelo a aprender com erros de rótulos estruturados em vez de pistas superficiais.
   • Pesagem: O objetivo DPO é ponderado pela margem do PRM ($\omega_i$), priorizando exemplos onde o modelo está incerto.

2.3 Recuperação Consciente de Mecanismo

Um canal de recuperação busca $K=5$ pares vizinhos rotulados baseando-se em um escore de similaridade composta (Jaccard de Via, Jaccard de Proteína, profundidade de ATC, Tanimoto de SMILES). O universo de recuperação é estritamente restrito aos pares de treinamento para evitar vazamento de dados em cenários de divisão fria (cold-split).

3. Resultados Principais

Avaliado contra 32 sistemas (incluindo 20 baselines OpenDDI, modelos estruturais, LLMs médicos abertos e modelos de fronteira como GPT-4o e Claude Sonnet 4.6):

• Generalização em Cold-Split: MARD-7B é o único sistema na comparação cuja precisão sobrevive à novidade de fármacos/pares.
  • Em Pair-Cold, MARD-7B alcança 0,540 de macro-F1, superando o melhor baseline estrutural (XGBoost) em +12,7 pp e o melhor modelo OpenDDI (DDIMDL) em +13,9 pp.
  • Em contraste, o DeepDDI-MLP cai -47,5 pp do Warm para o Pair-Cold.
• Estabilidade de Espelhamento: MARD alcança uma Estabilidade de Família de Espelhamento (MFS) de 0,977 e uma Simetria de Predição de Espelhamento (MPS) de 0,78 em Pair-Cold, superando significativamente os baselines de imitação (taxa de erro de 51,4% sem restrições de simetria).
• Taxa de Alucinação: O sistema é quase livre de alucinações, com uma Taxa de Alucinação (HR) de $3,7 \times 10^{-4}$. Todas as citações sinalizadas foram identificadas como IDs legados do DrugBank aposentados na versão de abril de 2026, não referências fabricadas.
• Comparação com Fronteira: MARD-7B supera o GPT-4o em +6,7 pp em Pair-Cold e o Claude Sonnet 4.6 em splits Warm, a aproximadamente 1% do custo da API.
• Assinatura Anti-Memorização: Ao contrário dos baselines estruturais (que mostram correlação positiva entre frequência e precisão), a precisão do MARD aumenta em fármacos raramente vistos (Spearman $\rho = -0,76$). Isso indica que o modelo depende de raciocínio farmacológico estruturado em vez de estatísticas de coocorrência.

4. Contribuições

1. Protocolo Reproduzível: Um protocolo de rotulagem e avaliação de nível de mecanismo apresentando uma taxonomia de 7 famílias/147 subtipos, protocolos de divisão fria seguros contra vazamento e quatro métricas de qualidade de traço (MFS, MPS, CSA, HR).
2. Receita de Treinamento MARD: Um método de treinamento acoplado combinando KL de simetria com restrição de posição, DPO ponderado por PRM com negativos difíceis programáticos e recuperação consciente de mecanismo.
3. Sinal de Treinamento Sem Juiz: Um sistema onde as recompensas de processo e os dados de preferência são deterministicamente verificáveis contra os campos estruturados do DrugBank, eliminando a necessidade de juízes humanos ou LLMs no loop de treinamento.
4. Evidência de Raciocínio sobre Memorização: Demonstração de que o ganho de desempenho provém do raciocínio farmacológico estruturado, evidenciado pelo "sinal de inversão" na precisão em fármacos raros comparado aos baselines de memorização.

5. Significância e Limitações

Significância:
O artigo argumenta que o gargalo na predição de DDI não é a contagem de parâmetros, mas a capacidade de realizar raciocínio farmacológico estruturado. O MARD demonstra que um modelo de 7B, quando treinado com restrições de esquema rigorosas, imposição de simetria e recompensas auto-verificáveis, pode superar modelos de fronteira e arquiteturas especializadas baseadas em grafos em novos pares de fármacos. O sistema fornece um caminho para suporte à decisão clínica auditável e de baixo custo que reduz a fadiga de alertas ao fornecer mecanismos acionáveis em vez de flags genéricos.

Limitações (conforme declaradas pelos autores):

• Lacuna Seleção vs. Geração: O modelo gera a família correta para $\ge 65\%$ dos pares, mas o sistema "implementável" (single-commit) fica atrás de um "oráculo de candidatos ricos" em cerca de 16 pp. Os autores identificam isso como um problema de verificador/seleção, não um problema de geração.
• Teto de Esparsidade: A fundamentação auto-verificável é limitada pela densidade de curadoria do DrugBank. Famílias com campos de evidência esparsos (ex: PK_Distribution) mostram menor precisão (0,26) comparado a famílias bem fundamentadas como Adverse Risk (0,77).
• Simetria Estreita: A restrição de simetria é aplicada apenas à tag de direção. Embora isso preserve a diversidade do raciocínio, o acordo triplo completo (Família, Subtipo, Direção) entre as ordens (MPS) é inferior (~0,80) à estabilidade de família.
• Artefato de Pesquisa: Os autores afirmam explicitamente que o MARD não é um dispositivo médico. A implementação requer um farmacêutico ou médico qualificado no loop, e os outputs devem ser tratados como hipóteses sujeitas a verificação independente.

O artigo conclui que a lacuna de desempenho restante é um desafio de seleção de candidatos, motivando trabalhos futuros sobre verificadores aprendidos, enquanto o release atual fornece o corpus, o índice de recuperação e o código de treinamento para permitir esta pesquisa.