REVEAL++: Differentiable Phenotypic Grouping for Vision-Language Retinal Modeling of Alzheimer's Disease Risk

Resumo Técnico: REVEAL++

Definição do Problema
A doença de Alzheimer (DA) envolve uma longa fase pré-clínica onde mudanças patológicas se acumulam antes que os sintomas clínicos apareçam. Embora a retina ofereça uma janela não invasiva para o risco neurodegenerativo, as abordagens atuais de modelagem de Visão–Linguagem (V-L), como o framework REVEAL, dependem do Aprendizado Contrastivo Consciente de Grupos (GACL) para melhorar a predição. Uma limitação crítica dos métodos GACL atuais é sua dependência de agrupamento fenotípico discreto. Essas abordagens atribuem indivíduos a clusters fixos baseados em limiares de similaridade rígidos, tratando sujeitos dentro de um grupo como pares multi-positivos. Esse design impõe uma supervisão rígida e desacopla a formação de grupos do aprendizado de representação. Biologicamente, porém, o risco neurodegenerativo evolui ao longo de trajetórias contínuas e sobrepostas, moldadas por fatores heterogêneos. Atribuições de grupos rígidas criam fronteiras artificiais que falham em refletir a natureza graduada e espectral da vulnerabilidade à doença e impedem que o mecanismo de agrupamento se adapte durante o treinamento.

Metodologia: REVEAL++
Os autores propõem o REVEAL++, um framework que substitui o agrupamento discreto por um mecanismo de ponderação fenotípica diferenciável dentro de uma configuração de aprendizado contrastivo multimodal. A arquitetura consiste nos seguintes componentes:

1. Codificadores Multimodais:

   • Codificador de Imagem: Utiliza o RETFound para processar imagens de fundo de retina.
   • Codificador de Texto: Utiliza o GatorTron para processar narrativas de risco clínico estruturadas.
   • Geração de Relatórios Clínicos: Dados de questionários estruturados (demografia, estilo de vida, variáveis cognitivas) do UK Biobank são convertidos em narrativas clínicas sintéticas usando o LLaMA-3.1. Isso garante compatibilidade com codificadores de texto pré-treinados enquanto mantém a fidelidade numérica, mapeando entradas tabulares diretamente para campos de templates sem imputação.
   • Projeção: Ambas as modalidades são projetadas em um espaço latente compartilhado ($d=1024$) e $\ell_2$-normalizadas.

2. Ponderação Fenotípica Diferenciável:
   Em vez de clustering rígido, o modelo computa matrizes de similaridade intra-modalidade ($S_{ii}$ para imagens, $S_{tt}$ para texto) usando similaridade de cosseno entre os embeddings normalizados.

   • Essas similaridades são transformadas em sinais de membresia suaves usando uma função de gating sigmoide com limiares aprendíveis ($\tau$) e parâmetros de nitidez ($g$).
   • Os sinais de imagem e texto são combinados via um operador de união probabilístico diferenciável para produzir um escore de ponderação fenotípica contínuo $W_{pq} \in [0, 1]$ para cada par de sujeitos $(p, q)$.
   • $W_{pq}$ representa o grau de alinhamento fenotípico, servindo como um alvo suave (soft target) em vez de um rótulo binário.

3. Objetivo Contrastivo de Alvo Suave (Soft-Target):
   O framework otimiza uma perda contrastiva de multi-positivos de alvo suave. A função de perda incorpora $W_{pq}$ para modular a força da supervisão:

   • Quando $W_{pq} \to 1$, o par é tratado como um par positivo forte.
   • Quando $W_{pq} \to 0$, o par é tratado como um negativo.
   • Valores intermediários permitem uma supervisão graduada, permitindo que o modelo aprenda o alinhamento cross-modal e a estrutura fenotípica de forma conjunta e ponta a ponta (end-to-end).

Principais Contribuições

1. Ponderação Fenotípica Diferenciável: O artigo introduz uma formulação contínua da estrutura fenotípica, substituindo o agrupamento baseado em limiares rígidos por pesos de similaridade derivados diretamente dos embeddings de retina e clínicos. Isso permite um modelamento de coorte suave e orientado por dados.
2. Aprendizado Contrastivo de Multi-Positivos Suave: Um novo objetivo é proposto que incorpora a similaridade fenotípica no alinhamento cross-modal, facilitando a supervisão de multi-positivos graduada em vez de atribuições de pares binários.
3. Desempenho de Estado da Arte: O framework alcança novos resultados de estado da arte para a predição de Alzheimer incidente usando dados de imagem de retina do UK Biobank, superando as linhas de base de V-L existentes e métodos contrastivos de grupos discretos.

Resultados Experimentais
O framework foi avaliado no conjunto de dados UK Biobank (aprox. 39k sujeitos) para prever a DA incidente.

• Linhas de Base (Baselines): O estudo comparou o REVEAL++ contra SVMs padrão, modelos de fundação apenas de imagem (RETFound), modelos de V-L biomédicos gerais (BiomedCLIP, PMC-CLIP) e modelos de retina específicos para V-L (RETCLIP, MM-Retinal). Também incluiu um baseline do modelo REVEAL sem Aprendizado Contrastivo Consciente de Grupos (GACL) e o REVEAL original com GACL discreto.
• Desempenho: O REVEAL++ alcançou o maior desempenho em todas as métricas:
  • AUROC: 0,678 (vs. 0,658 para o REVEAL com GACL discreto e 0,642 para RETFound+GatorTron).
  • Acurácia Balanceada: 0,613.
  • F1-Score: 0,236.
  • MCC: 0,168.
• Análise: Os resultados indicam que o alinhamento fenotípico suave e diferenciável leva a representações multimodais mais coerentes. O modelo se beneficia ao permitir que sujeitos com perfis de risco semelhantes contribuam proporcionalmente durante o treinamento, em vez de depender de atribuições de grupos rígidos.

Significância e Alegações
O artigo afirma que tratar a similaridade fenotípica como um sinal contínuo e aprendível, em vez de uma regra de agrupamento fixa, fornece uma base principiológica para o modelamento de risco neurodegenerativo em escala populacional. Ao modelar as relações como um processo diferenciável, semelhante à atenção, o REVEAL++ captura a variabilidade biológica contínua e heterogênea subjacente ao risco de DA de forma mais fiel do que métodos discretos. Os autores argumentam que esta abordagem reflete melhor a fisiopatologia da DA pré-clínica, onde o risco se acumula gradualmente e se manifesta heterogeneamente, permitindo que o modelo represente estados fenotípicos intermediários que correspondem a mudanças patológicas precoces. Isso oferece uma estratégia robusta para modelar a variabilidade estruturada em dados biomédicos multimodais, com potenciais aplicações na predição de risco de doenças crônicas e medicina de precisão.