Resumo Técnico: HERO – Recuperação de Evidências Baseada em Hipóteses a partir de Ômicas para Análise Multitarefa de Câncer de Mama

Declaração do Problema

O diagnóstico do câncer de mama requer a síntese de evidências de imagens de lâminas inteiras (WSIs) de H&E e biomarcadores moleculares (ER/PR/HER2, subtipo, prognóstico). Embora dados multiômicos pareados possam melhorar a predição, os pipelines existentes enfrentam três limitações primárias:

1. MIL de Supervisão Fraca: Depende de rótulos ao nível da lâmina, onde mecanismos de atenção são post-hoc e falham em verificar a suficiência da evidência, frequentemente destacando regiões não diagnósticas devido à heterogeneidade intratumoral.
2. Leitores Baseados em VLM: Embora tornem a leitura explícita, eles frequentemente dependem de orientação por nível de prompt em vez de priors de recuperação condicionados molecularmente e fixos, levando ao viés para regiões visualmente salientes, mas irrelevantes para o desfecho.
3. Fusão Multimodal: Trata as ômicas como fluxos de características paralelos ou texto anexado, falhando em usar as ômicas para controlar explicitamente quais regiões são recuperadas ou para verificar a completude dessa recuperação.

O desafio central é a recuperação de evidências consciente do desfecho em WSIs de escala gigapixel que garanta que a morfologia observada suporte explicitamente a conclusão molecular, criando um rastro de evidência auditável.

Metodologia: O Pipeline HERO

HERO (Hypothesis-Driven Evidence Retrieval from Omics) é um pipeline de quatro estágios e ciclo fechado que trata a ômica observada como uma hipótese morfológica testável. Ele opera em um espaço de evidência compartilhado de 16 dimensões ($K=16$).

Estágio 1: De Ômicas para Intenção e Palavras-Chave

• Pontuação de Vias (Pathway Scoring): Vetores de metilação de DNA ($x_{dna}$) e miRNA ($x_{mirna}$) são normalizados pelo z-score. As pontuações das vias são computadas usando máscaras binárias pré-definidas derivadas de conjuntos de genes Hallmark do MSigDB e interações validadas de alvo de miRNA. A pontuação mapeia a hipermetilação e a repressão mediada por miRNA para a regulação negativa de vias.
• Prior Morfológico ($W$): Uma matriz de prior esparsa, ponderada e com sinais fixos ($W \in \mathbb{R}^{K \times P}$) mapeia as 50 pontuações de vias para 16 eixos morfológicos (ex: atividade mitótica, pleomorfismo nuclear, desmoplasia estromal). Este prior é guiado pela terminologia da OMS e associações biológicas (ex: E2F/MYC $\to$ proliferação) e nunca é otimizado com rótulos de desfecho, garantindo que o mapeamento permaneça auditável e invariante à dobra.
• Geração de Intenção: O vetor de intenção $m$ é gerado via $m = \ell_2\text{-normalize}(\text{ReLU}(Ws))$. Um comitê de chamadas de LLM gera uma narrativa molecular e um conjunto de palavras-chave estruturadas $Q$ (15–40 termos) baseados nas vias e eixos.

Estágio 2: Recuperação 10× (300 $\to$ Top-64)

• Mineração de Representatividade: A WSI é codificada com embeddings UNI. O MiniBatchKMeans ($k=300$) as agrupa para selecionar 300 patches representativos cobrindo a diversidade morfológica global.
• Legendagem e Ranking: Esses 300 patches são revisitados em magnificação de 10× e legendados por um VLM (Qwen2.5-VL-7B) usando um prompt estruturado. Um vetorizador TF-IDF (ajustado por lâmina) classifica essas legendas contra o conjunto de palavras-chave $Q$. Os 64 patches superiores formam o conjunto de evidência inicial.

Estágio 3: Portão de Consistência 20× e Reparo Dirigido por Déficit

• Vetor de Evidência Visual ($v$): Os 64 patches superiores são recortados em 20×, organizados em um mosaico 8×8 e legendados novamente com foco em características citológicas. Um vetor de evidência visual $v \in \mathbb{R}^K$ é construído verificando a presença de termos de checklist para cada um dos 16 eixos nas legendas.
• Portão de Consistência: Um score de similaridade de cosseno $c = \cos(m, v)$ mede o alinhamento entre a intenção molecular e a evidência visual.
• Reparo Dirigido por Déficit: Se $c < \tau_c$ (limiar $\tau_c=0.5$), o sistema identifica eixos sub-suportados ($m - v$). Ele re-classifica os representantes restantes não selecionados com base em sua capacidade de cobrir esses déficits, funde os 32 candidatos de reparo superiores com os 64 originais e realiza uma passagem adicional de legendagem em 20×. Nenhuma outra rodada de reparo ocorre.

Estágio 4: Módulo de Diagnóstico

O mosaico final, a narrativa molecular e o resumo de consistência são alimentados em um Qwen2.5-VL-7B ajustado via LoRA. O modelo produz predições JSON estruturadas para ER, PR, HER2, subtipo e risco. Apenas este estágio é ajustado; os Estágios 1–3 permanecem como módulos de recuperação e verificação fixos.

Principais Contribuições

1. Recuperação Guiada por Ômicas: Converte metilação de DNA e miRNA em um vetor de intenção de via-para-morfologia esparso, permitindo a seleção de patches consciente do desfecho via TF-IDF sobre legendas estruturadas em vez de correspondência semântica baseada em embeddings.
2. Portão de Consistência com Reparo Determinístico: Introduz um portão de cosseno para detectar incompatibilidades moleculares-visuais. Quando uma incompatibilidade é detectada, um mecanismo de re-classificação determinístico e dirigido por déficit recupera patches para cobrir eixos morfológicos sub-suportados, limitando o computo a uma única rodada de reparo.
3. Robustez e Auditabilidade: O design limita as chamadas de VLM, reduz a dependência de correspondência semântica de caixa-preta e garante que cada etapa de recuperação seja lexicalmente auditável. O prior fixo $W$ evita o aprendizado de atalhos (shortcut learning) e garante que o mapeamento seja interpretável.

Resultados Experimentais

Avaliado no TCGA-BRCA (930 WSIs, 878 pacientes) com validação cruzada de 5 dobras ao nível do paciente:

• Desempenho de Estado da Arte: O HERO superou todos os baselines (incluindo SNN, TransMIL, MCAT, SurvPath e agentes baseados em VLM) em todos os desfechos: ER, PR, HER2, Subtipo e Risco.
  • Ganhos notáveis foram observados em HER2 (+0.050 AUC sobre o SurvPath) e Risco (+0.030 C-index), onde a morfologia é esparsa e heterogênea.
• Estudos de Ablação:
  • Mecanismo de Recuperação: Substituir a recuperação do HERO por atenção TransMIL ou amostragem aleatória degradou significamente o desempenho (ex: o HERO melhorou o HER2 em +0.090 sobre VLM + TransMIL Top-64), confirmando que os ganhos derivam da recuperação guiada molecularmente.
  • Componentes: Remover o portão de consistência reduziu o AUC de HER2 em 0.043. O reparo de patches aleatório recuperou apenas uma fração do desempenho, provando que a re-classificação dirigida por déficit é crítica.
  • Sensibilidade: O sistema é robusto a perturbações no prior $W$ (ruído/dropout causou $\le 0.009$ de degradação), enquanto embaralhar as atribuições de via-para-eixo causou quedas significativas, validando que $W$ codifica estrutura biológica informativa.

Significância e Alegações

O artigo afirma que o HERO estabelece um novo paradigma onde os dados de ômica atuam não meramente como um fluxo de características paralelo, mas como um constraint de recuperação e mecanismo de verificação explícito. Ao fechar o ciclo entre hipóteses moleculares e evidência visual, o HERO alcança precisão de estado da arte enquanto fornece um rastro de evidência lexicalmente auditável.

Os autores explicitamente notam limitações:

• A avaliação é restrita à validação cruzada interna do TCGA-BRCA; a robustez entre instituições, scanners e populações não foi estabelecida.
• O checklist de 16 eixos é específico para câncer de mama e requer auditoria para outros tipos de tumor.
• As legendas de VLM permanecem falíveis; embora prompts estruturados tornem a evidência inspecionável, eles não garantem correção patológica.
• O custo de inferência é alto (57s/WSI em 2×A100), necessitando de inferência VLM multi-estágio mais rápida para implantação clínica.

O trabalho conclui que o mapeamento de ômicas para intenção, a recuperação via legendas TF-IDF e a verificação de alinhamento via portão de cosseno permitem um sistema de análise de câncer de mama robusto, interpretável e de alto desempenho.