Resumo Técnico: Uma Abordagem Neurosimbólica para o Diagnóstico Precoce Explicável da Doença de Alzheimer

Definição do Problema

O diagnóstico precoce da Doença de Alzheimer (DA) depende fortemente da identificação de déficits linguísticos e semânticos sutis, como a redução da fluência verbal e dificuldades na busca de palavras. Atualmente, a análise de testes de fluência verbal (ex: nomear animais ou palavras que começam com letras específicas) é um processo manual, laborioso, que exige transcrição especializada e análise qualitativa. Este gargalo limita a escalabilidade do acompanhamento longitudinal.

O desafio técnico central reside na lacuna representacional entre o estímulo sensorial e o conhecimento clínico:

1. Entrada: Os indicadores de comprometimento cognitivo estão incorporados em sinais acústicos não estruturados e contínuos (áudio bruto).
2. Conhecimento: O conhecimento do domínio clínico consiste em relações qualitativas estruturadas entre variáveis discretas (ex: "o comprometimento cognitivo influencia negativamente a taxa de fala").

Arquiteturas puramente neurais são excelentes no reconhecimento de padrões em áudio bruto, mas carecem de mecanismos para raciocínio logicamente consistente, verificável e interpretável. Por outro lado, sistemas simbólicos não conseguem processar áudio bruto de alta dimensão. Preencher essa lacuna requer um framework capaz de um aterramento de símbolos (symbol grounding) de alta fidelidade e um raciocínio rigoroso.

Metodologia: NeSyQuaKE

Os autores introduzem o NeSyQuaKE (Neurosymbolic Qualitative Knowledge Extraction), um framework que segue uma arquitetura Neuro | Simbólica (Tipo 3). O pipeline decompõe a tarefa em três estágios distintos:

1. Extração de Informação (Aterramento de Símbolos)

Este estágio mapeia gravações de áudio bruto ($a^{(i)}$) para vetores de características tabulares ($x^{(i)}$) usando uma combinação sequencial de modelos de fundação e programas simbólicos determinísticos:

• Speech-to-Text (S2T): Um modelo baseado em transformer pré-treinado (WhisperX) transcreve o áudio bruto em enunciados com marcação de tempo.
• Large Language Models (LLMs): Um LLM específico do domínio (MedGemma-27b) processa as transcrições para extrair respostas estruturadas (ex: identificando palavras válidas dentro de categorias semânticas).
• Programas Simbólicos Determinísticos: Para garantir consistência matemática e verificabilidade, a saída estruturada do LLM é processada por programas simbólicos. Estes programas computam características clínicas (ex: Total de Palavras, Taxa de Fala, Tamanho do Agrupamento) usando lógica explícita (ex: total_words = LEN(FILTER(VALID, words))). Este passo ancora as saídas neurais em variáveis precisas e interpretáveis.

2. Construção de Rede Bayesiana (BNC)

O framework constrói uma Rede Bayesiana (BN) para representar a distribuição de probabilidade conjunta sobre as variáveis de interesse (características Léxicas, Semânticas e Acústicas) e o rótulo diagnóstico (Comprometimento Cognitivo, $Y$).

• Aprendizado de Estrutura: Devido à escassez e ao ruído dos dados clínicos, o aprendizado de estrutura tradicional é inviável. Em vez disso, a estrutura da BN é elicitada através de prompts repetidos ao LLM com descrições de características. Os grafos resultantes são agrupados e as arestas são adicionadas com base na frequência de ocorrência, mantendo a aciclicidade.
• Aprendizado de Parâmetros: Um Estimador Bayesiano com um prior forte (BDeu) é usado para aprender as distribuições de probabilidade condicional. Esta abordagem mitiga problemas em regimes de dados pequenos, onde a Estimativa de Máxima Verossimilhança poderia atribuir probabilidade zero a configurações não observadas.

3. Extração de Conhecimento Qualitativo (QuaKE)

Utilizando o algoritmo QuaKE, o sistema raciocina sobre a distribuição conjunta aprendida para extrair afirmações de Influência Monotônica (MI).

• O algoritmo verifica a presença de influência monotônica do rótulo de diagnóstico $Y$ sobre as características descendentes $X_d$.
• Ele computa um escore ($\delta_d$) que quantifica a força da influência com base na diferença cumulativa das probabilidades condicionais.
• A saída é um conjunto de regras qualitativas (ex: "O Comprometimento Cognitivo tem uma influência negativa na Taxa de Fala"), que são facilmente interpretáveis e comparáveis à literatura médica.

Principais Contribuições

1. Framework NeSyQuaKE: Uma nova arquitetura neurosimbólica que extrai conhecimento qualitativo de áudio clínico combinando modelos de fundação (para aterramento) com Redes Bayesianas (para raciocínio).
2. Camada Simbólica Determinística: A introdução de uma camada de programas simbólicos para mapear saídas neurais para características clínicas, garantindo que métricas como taxa de fala e alternância semântica sejam matematicamente consistentes e verificáveis.
3. Validação Empírica: Avaliação em um dataset real de 162 testes de fluência verbal (Controles Saudáveis vs. Comprometimento Cognitivo Leve), demonstrando a capacidade do sistema de recuperar conhecimento clínico estabelecido e gerar novas hipóteses.

Resultados Experimentais

O sistema foi avaliado em tarefas de fluência semântica (animais/vegetais) e fonêmica (letras F/L).

• Precisão do Aterramento de Símbolos (Q1): O NeSyQuaKE superou significativamente uma baseline baseada em regras. Alcançou uma melhoria de 94,3% na tarefa de fluência semântica e 77,2% na tarefa fonêmica em relação ao Erro de Estimativa Condicional Pareada (PCEE) comparado às anotações manuais.
• Alinhamento com o Conhecimento Especialista (Q2):
  • O NeSyQuaKE coincidiu com 100% das influências monotônicas inicialmente elicitadas de especialistas do domínio para ambas as tarefas.
  • A estrutura da BN gerada pelo LLM recuperou 80% das arestas da rede definida pelo especialista, superando significativamente o algoritmo Peter-Clark (PC) orientado a dados, que coincidiu com apenas 1 de 15 arestas.
• Geração de Hipóteses (Q3): O framework descobriu 9 influências adicionais além das expectativas dos especialistas.
  • Validadas: Especialistas confirmaram influências monotônicas negativas do comprometimento cognitivo sobre o tamanho do agrupamento, taxa de fala e comprimento da palavra em tarefas semânticas, e tendências negativas semelhantes em tarefas fonêmicas (embora menos pronunciadas).
  • Novas/Especulativas: O sistema inferiu uma influência monotônica positiva do comprometimento cognitivo no comprimento da palavra em tarefas fonêmicas. Os autores especulam que isso pode ser devido aos participantes utilizarem palavras mais curtas para maximizar a contagem em uma tarefa com restrição de tempo, uma estratégia menos aplicável a categorias semânticas.
• Loop de Feedback (Q4): A incorporação de um mecanismo de feedback onde palavras rejeitadas são enviadas de volta ao LLM para substituições foneticamente similares melhorou o PCEE em 13,7% (semântica) e 14,5% (fonêmica), embora as monotonicidades descobertas tenham permanecido inalteradas.

Significância e Alegações

O artigo afirma que o NeSyQuaKE oferece uma abordagem escalável e explicável para monitorar a progressão da Doença de Alzheimer. Sua principal significância reside em:

• Preencher a Lacuna: Conectar com sucesso sinais acústicos não estruturados a conhecimento médico qualitativo estruturado sem exigir enormes conjuntos de dados rotulados para treinamento ponta a ponta.
• Explicabilidade: Ao contrário de modelos de deep learning de caixa-preta, o NeSyQuaKE produz Afirmações de Influência Qualitativa que se alinham com a forma como os clínicos comunicam tendências (ex: "conforme o comprometimento aumenta, a taxa de fala diminui").
• Recuperação e Descoberta de Conhecimento: O sistema não apenas recupera marcadores clínicos conhecidos, mas também identifica tendências sutis e menos proeminentes (como relações monotônicas específicas em tarefas fonêmicas) que poderiam ser perdidas por análises manuais ou métodos estatísticos padrão.

Os autores mantêm uma postura modesta, reconhecendo que, embora o loop de feedback tenha mostrado potencial, ele requer validação adicional, pois as correções são atualmente baseadas no contexto da transcrição e não no aterramento direto do áudio. Eles também observam que trabalhos futuros devem explorar modelos de fundação maiores e modelos especializados de fala-linguagem para lidar com a fala patológica de forma mais eficaz.