Inverse Reinforcement Learning for Interpretable Keystroke Biomarkers in Parkinson's Disease

Resumo Técnico: Aprendizado por Reforço Inverso para Biomarcadores de Teclado Interpretáveis na Doença de Parkinson

Definição do Problema
A doença de Parkinson (DP) é tipicamente diagnosticada após uma perda significativa de neurônios motores já ter ocorrido, criando a necessidade de biomarcadores digitais passivos para apoiar a detecção precoce e o monitoramento longitudinal. Embora a dinâmica de digitação (tempo de pressão e liberação de teclas) tenha sido explorada como um candidato a biomarcador, a literatura existente baseia-se quase exclusivamente em classificação supervisionada. Essas abordagens extraem estatísticas resumidas fixas (médias, variâncias, momentos superiores) de sinais de digitação para discriminar pacientes com DP de controles saudáveis. Embora eficazes para responder se a digitação de um usuário se assemelha à de um paciente com DP, elas falham em explicar o porquê ou quais mudanças comportamentais específicas ocorreram. Além disso, as acurácias relatadas neste campo variam amplamente, com uma meta-análise de 2022 mostrando alta heterogeneidade ($I^2 = 94\%$), sugerindo potencial sobreajuste (overfitting) ou inconsistências metodológicas em estudos anteriores.

Metodologia
Este artigo propõe uma mudança da classificação supervisionada para o Aprendizado por Reforço Inverso (IRL - Inverse Reinforcement Learning) para modelar a dinâmica de digitação. Em vez de treinar um classificador, os autores tratam cada transição de tecla como uma escolha discreta sobre a velocidade de digitação e inferem a função de recompensa latente que melhor explica as decisões sequenciais observadas de um agente.

• Fonte de Dados: O estudo utiliza o conjunto de dados público neuroQWERTY MIT-CSXPD (85 sujeitos: 42 DP, 43 controles), coletado em ambiente clínico durante digitação de texto livre. Os autores rejeitaram explicitamente o conjunto de dados Tappy em análise preliminar, onde as características estatísticas padrão não mostraram diferenças significativas entre grupos (AUC $\approx$ 0,377), o que é consistente com a literatura que aponta a dificuldade do Tappy devido aos protocolos de coleta domiciliar não controlados.
• Engenharia de Atributos: O modelo discretiza os tempos de voo (flight times) em $K=5$ bins baseados em quintis agrupados. A função de recompensa $R(s, a)$ é definida como uma soma ponderada de funções de atributos $\phi(s, a)$:
  1. Velocidade: $\phi_{speed}(a) = -v_a$ (preferência por digitação mais rápida).
  2. Consistência: $\phi_{consistency}(t, a) = -|v_a - c_t|$, onde $c_t$ é um contexto de média móvel.
  3. Alternância de Mãos: $\phi_{hand}(t, a) = -\mathbb{I}[\text{troca de mão}] \cdot v_a$.
• Otimização: Os pesos específicos de cada sujeito $w$ são recuperados via IRL de Máxima Entropia, maximizando a verossimilhança das escolhas de bins observadas contra as alternativas não escolhidas usando L-BFGS-B.
• Correção de Identificabilidade: Um modelo inicial de quatro parâmetros (separando "esforço" e "suavidade") falhou devido à colinearidade perfeita de atributos ($r=1,000$) entre os dois termos em contextos típicos. Os autores corrigiram isso fundindo-os em um único termo de "consistência", resultando em um modelo estável de três parâmetros.
• Rigor de Validação: O pipeline passou por uma revisão de código adversarial, identificando e corrigindo dois bugs de implementação: (1) falha ao resetar janelas móveis em limites de sessão para sujeitos de múltiplas sessões, e (2) vazamento de dados (data leakage) onde a média móvel incluía a observação atual. Ambas as correções resultaram em mudanças negligenciáveis no coeficiente de correlação primário.

Principais Resultados
O achado principal é que o peso de preferência de velocidade recuperado ($w_{speed}$) correlaciona-se robustamente com a gravidade clínica da DP (escore UPDRS-III):

• Correlação: $r = -0,607$ ($p < 0,001$, $n=42$). Um peso mais negativo (indicando uma recompensa implícita mais forte para digitar rápido, mantendo tudo o mais constante) está associado a uma maior deficiência motora.
• Valor Incremental: Enquanto a velocidade de digitação bruta sozinha explica 19,4% da variância da UPDRS ($R^2 = 0,194$), a adição da preferência de velocidade recuperada via IRL aumenta isso para 33,8% ($R^2 = 0,338$, $p = 0,006$).
• Robustez: O resultado mantém-se através de:
  • Duas coortes independentes (CS1 e CS2).
  • Múltiplas configurações de sensibilidade (variando contagens de bins e tamanhos de janela).
  • Intervalos de confiança de bootstrap (95% CI: $[-0,767, -0,369]$).
  • Testes de permutação ($p < 0,0001$).
• Resultados Negativos: Os pesos recuperados para "consistência" e "alternância de mãos" não sobreviveram às verificações de confusão (especificamente controlando pela velocidade de digitação bruta) e são reportados como não significativos.

Significância e Alegações
Os autores posicionam este trabalho como a primeira aplicação de IRL à dinâmica de teclado. A significância do artigo é enquadrada não apenas pelo coeficiente de correlação, mas pelo processo de validação em si. Os autores argumentam que o campo sofre de heterogeneidade inexplicável e que a validação rigorosa — incluindo a identificação de falhas de identificabilidade, a correção de bugs de implementação e o relato de resultados negativos — é uma contribuição crítica.

O estudo demonstra que o IRL pode recuperar uma preferência comportamental interpretável e individual por sujeito (velocidade) que se correlaciona com a gravidade clínica e fornece poder explicativo além de simples estatísticas resumidas. No entanto, os autores mantêm-se modestos, reconhecendo que o modelo não é perfeitamente identificado devido à colinearidade residual entre os termos de velocidade e consistência, e que a replicação externa em coortes independentes é o próximo passo necessário.