Disentangling Confounders from Pathology in Long-COVID Trajectory Prediction for Women: An Interpretable Large-Language-Model Approach

Resumo Técnico: Desentrelaçando Confundidores da Patologia na Predição de Trajetória de Long-COVID para Mulheres

Declaração do Problema
As sequelas pós-agudas da infecção por SARS-CoV-2 (PASC, ou "Long COVID") afetam desproporcionalmente as mulheres, particularmente aquelas no meio da vida. Um desafio metodológico crítico surge porque os sintomas característicos da PASC (ex: insônia, fadiga, palpitações, dificuldade cognitiva) sobrepõem-se significativamente a comorbidades comuns e transições fisiológicas, especificamente a menopausa. Modelos preditivos treinados em tais dados correm o risco de aprender correlações espúrias, atribuindo a severidade futura dos sintomas à patologia viral quando, na verdade, ela é impulsionada por ruído fisiológico basal ou confundidores como menopausa e diabetes. Os autores postulam que modelos preditivos padrão podem atingir métricas de erro baixas enquanto aprendem a "coisa errada", levando ao sinalização sistemática de subpopulações em implantação clínica.

Metodologia
O estudo utiliza uma coorte retrospectiva de 1.155 mulheres adultas (idade mediana de 61 anos) do programa NIH RECOVER. O conjunto de dados integra três modalidades:

1. Perfis Clínicos Estáticos: Demografia e comorbidades (ex: condições cardíacas, distúrbios do sono, status de menopausa).
2. Pesquisas de Sintomas Longitudinais: Índices de sintomas de PASC (escala 0–30) no baseline e no acompanhamento.
3. Fisiologia de Wearables de Consumo: Quatro semanas de dados agregados pela média (frequência cardíaca, sono, atividade) antes dos horizontes de predição.

Arquitetura do Modelo:
Os autores propõem uma abordagem de Grande Modelo de Linguagem (LLM) interpretável e causalmente desentrelaçada usando um backbone Qwen2.5-0.5B ajustado via LoRA.

• Representação de Entrada: Cada paciente é renderizada como uma narrativa de linguagem natural estruturada combinando perfis estáticos, pontuações históricas e dados de wearables agrupados.
• Mecanismo de Desentrelaçamento: Uma variante específica do modelo introduz uma camada de desentrelaçamento baseada em atenção. Esta camada controla o estado oculto latente ($h$) em dois componentes escalares:
  • Componente Causal ($x_o$): Destinado a capturar sinais de patologia invariantes (ex: "falta de ar", "mal-estar").
  • Componente de Confundidor ($x_c$): Destinado a capturar ruído basal (ex: status de menopausa, diabetes, preenchimento linguístico).
• Objetivo de Treinamento: O modelo emprega um objetivo contrastivo de mistura de ambientes (InfoNCE). Ele cria representações contrafatuais misturando as características causais do Paciente A com as características de confundidor do Paciente B. Isso força o readout a prever o desfecho com base no sinal causal, independentemente do ambiente de confusão, thereby suprimindo a dependência de correlações espúrias.
• Predição: O output final é um score de regressão clampado [0, 30] para a severidade da PASC nos horizontes de 3, 6 e 9 meses.

Protocolo de Benchmarking
O regressor LLM foi testado contra um conjunto abrangente de baselines sobre 20 reamostragens estratificadas:

• História: Last-value carry-forward (o valor mais recente observado).
• ML Tradicional: Lasso, Ridge, XGBoost.
• Deep Learning: Deep MLP, Tabular ResNet, Self-Attention Network.
  A significância estatística foi avaliada por testes de Wilcoxon signed-rank pareados e testes t.

Principais Resultados

1. A Força do Baseline: Devido à forte autocorrelação da severidade da PASC, o método simples de last-value carry-forward foi o preditor mais preciso para a coorte total em todos os horizontes (3, 6 e 9 meses). O regressor LLM não superou estatisticamente o carry-forward na coorte total em termos de Erro Médio Absoluto (MAE).
2. Desempenho Entre Modelos Aprendidos: Entre todos os modelos aprendidos (excluindo o simples carry-forward), o regressor LLM alcançou o menor MAE em todos os horizontes. Por exemplo, aos 3 meses, o LLM alcançou um MAE de 3,11 comparado ao XGBoost de 3,57 ($p \le 0,01$).
3. Fenótipos Dinâmicos (Grupo Respondedor): O valor do modelo aprendido é condicional. No fenótipo "Respondedor" (pacientes com trajetórias de sintomas dinâmicas e mutáveis), o LLM foi o método mais preciso no geral aos 3 e 6 meses, superando até mesmo o baseline de carry-forward (embora a diferença não tenha sido estatisticamente significativa devido às restrições de tamanho de amostra).
4. Interpretabilidade e Saliência: A camada de desentrelaçamento atribuiu com sucesso a saliência máxima (peso $\approx 1,00$) a tokens de patologia direta (ex: "falta de ar", "mal-estar") enquanto suprimiu confundidores como "menopausa" e "diabetes" (peso $< 0,27$) e preenchimento linguístico ($< 0,17$).

Significância e Alegações
Os autores enquadram sua contribuição com foco em "honestidade" e interpretabilidade, em vez de ganhos brutos de precisão:

• Integridade do Benchmarking: O artigo afirma que qualquer futuro modelo de predição de PASC deve ser julgado contra um baseline de last-value carry-forward, pois este heurístico simples é extremamente difícil de superar para pacientes estáveis.
• Utilidade Condicional: O principal valor do modelo desentrelaçado e aprendido não é o aumento da precisão universal, mas sim:
  1. Precisão Dinâmica: Melhor desempenho especificamente em pacientes com trajetórias de sintomas mutáveis (Respondedores).
  2. Honestidade Clínica: A capacidade de fornecer uma atribuição interpretável que reduz o peso de confundidores. Os autores argumentam que um modelo que identifica corretamente que a "menopausa" não é "Long COVID" é clinicamente superior a um modelo ligeiramente mais preciso, porém opaco, que confunde os dois, pois reduz o risco de erro de diagnóstico sistemático na saúde da mulher.

Limitações
Os autores explicitamente observam algumas restrições:

• O estudo depende de uma única coorte (RECOVER) sem validação externa.
• O subgrupo "Respondedor" é pequeno, limitando o poder estatístico para alegações de subgrupo.
• Os dados de wearables para horizontes mais longos sobrepõem-se à pesquisa de desfecho, atuando mais como monitoramento do que como predição estrita pré-baseline.
• A variante de desentrelaçamento foi avaliada apenas para o horizonte de 3 meses para fins de interpretabilidade; os resultados de precisão de múltiplos horizontes utilizaram uma configuração ligeiramente diferente (fusão residual).

Conclusão
O artigo conclui que, para a previsão da severidade de Long-COVID em mulheres, heurísticas simples são referências fortes. A abordagem proposta serve como um complemento de transparência para essas heurísticas, oferecendo um mecanismo de atribuição "clinicamente honesto" que separa sinais patológicos de ruído fisiológico de confusão, particularmente em populações de pacientes dinâmicas.