Neuro-Oracle：一种面向癫痫手术预后可解释性的轨迹感知智能体 RAG 框架

1. 研究背景与问题定义

核心挑战：
药物难治性癫痫患者的术后癫痫发作结果预测是一个临床难题。现有的深度学习方法通常基于静态的、单时间点的术前扫描数据，忽略了从术前到术后纵向的形态学变化（Longitudinal Morphological Changes）。此外，癫痫手术队列通常规模较小（单中心往往仅数百例），导致高容量端到端分类器容易过拟合。同时，传统分类器仅输出概率分数，缺乏可验证的临床推理依据，难以被外科医生直接采纳用于决策支持。

具体痛点：

1. 信息缺失：单张扫描无法捕捉从健康基线到术后状态的解剖结构演变轨迹。
2. 数据稀缺：小样本数据导致模型过拟合风险高。
3. 可解释性差：缺乏基于证据的自然语言解释，限制了临床信任度。
4. 数据局限：公开数据集（如 EPISURG）缺乏真实的术后无发作（Engel 分级）标签，导致难以进行直接的预后评估。

2. 方法论：Neuro-Oracle 框架

Neuro-Oracle 是一个三阶段框架，旨在通过整合纵向影像变化、检索增强生成（RAG）和智能体推理来解决上述问题。

阶段一：对比轨迹编码 (Contrastive Trajectory Encoding)

• 输入：配准后的术前（$X_{t0}$）和术后（$X_{t1}$）T1 加权 MRI 配对数据。
• 核心网络：采用3D Siamese 对比编码器（基于 MONAI 3D ResNet-50）。
  • 共享权重处理两个时间点的扫描。
  • 计算特征向量差值 ($\Delta v = v_{t1} - v_{t0}$)。
  • 通过 MLP 头将差值投影为512 维的紧凑轨迹向量，并进行 $\ell_2$ 归一化。
• 训练目标：联合优化监督对比损失 (Supervised Contrastive Loss) 和 Focal Loss，以解决类别不平衡（4:1）并增强类间区分度。
• 数据增强：训练时应用随机翻转、高斯噪声和强度缩放，防止过拟合。

阶段二：人群档案与轨迹检索 (Population Archive & Retrieval)

• 档案构建：将训练集所有样本的轨迹向量存入 FAISS 索引（基于精确内积搜索，等价于余弦相似度）。
• 检索机制：对于新患者，检索与其轨迹向量最相似的 $k$ 个（$k=5$）历史病例。
• 扩展性：虽然当前基于 268 例数据使用精确搜索，但该架构天然支持扩展到大规模多中心数据库（可切换为近似最近邻 ANN）。

阶段三：校准的 LLM 推理智能体 (Calibrated LLM Reasoning Agent)

• 智能体：使用量化（4-bit NF4）的 Llama-3-8B-Instruct 模型。
• 提示工程 (Prompting)：
  • 输入包含查询患者的元数据（年龄、性别）及检索到的 5 个历史相似病例的详细信息。
  • 年龄过滤启发式：强制模型在推理时“心理上”过滤掉年龄差距超过 15 岁的匹配病例（反映皮层萎缩率的年龄依赖性）。
  • 输出约束：模型必须首先输出 SUCCESS 或 FAILURE 令牌，随后提供单一句子的临床理由。
• 概率校准：最终预测概率 $p_{Oracle}$ 是邻居投票概率 ($p_{neighbor}$) 和 LLM 判决概率 ($p_{LLM}$) 的加权组合：
  $$p_{Oracle} = 0.60 \times p_{neighbor} + 0.40 \times p_{LLM}$$
  该权重（60/40）通过交叉验证优化得出，平衡了几何证据与语义推理。

3. 数据集与实验设置

• 数据集：EPISURG 公开数据集，包含 268 例具有术前/术后配对 MRI 的患者。
• 标签策略（代理标签）：由于缺乏真实的 Engel 分级，研究使用手术类型作为代理标签：
  • $y=0$ (有利)：颞叶切除（术后无发作率 65-70%）。
  • $y=1$ (不利)：非颞叶或多脑叶切除（术后无发作率 40-55%）。
  • 注：作者明确指出，模型可能主要学习的是切除腔的解剖特征（颞叶 vs 非颞叶），而非真正的致痫病理，因此结果主要作为架构概念验证。
• 验证策略：5 折分层交叉验证，严格防止数据泄露（编码器训练与检索索引构建完全分离）。
• 对比基线：包括静态 ResNet-50、3D ViT、Siamese + 逻辑回归/MLP/k-NN 以及 Siamese 多样性集成 (M6)。

4. 关键结果

• 轨迹编码的有效性：基于轨迹的方法（M3-M6）在少数类（不利预后）的敏感性上显著优于静态单时间点基线（ResNet-50 敏感性 0.396 vs 轨迹方法 0.7-0.8+），证明纵向变化包含关键判别信息。
• 性能对比：
  • Siamese 多样性集成 (M6)：达到最高 AUC 0.905，无语言模型开销。
  • Neuro-Oracle (M5)：AUC 为 0.867，与纯判别式轨迹分类器（如 3D-ViT 静态基线 M2）持平，但提供了可解释的自然语言理由。
  • 静态基线：3D-ViT (M2) 表现优异 (AUC 0.867)，表明 Transformer 在小样本上也能学习有效特征，但缺乏轨迹信息。
• 可解释性与幻觉控制：
  • 在审计协议下，Neuro-Oracle 实现了 0% 的幻觉率（即所有输出均严格基于检索上下文）。
  • 年龄过滤规则遵循率为 73.9%。
  • 模型能够生成结构化的临床理由，解释了为何基于检索到的相似病例得出特定预后。
• 消融实验：
  • 随机编码器导致性能降至随机水平 (AUC 0.488)，证明轨迹向量具有真实判别信号。
  • 减少检索邻居数量 ($k=1$) 会显著降低性能，证明多邻居投票平滑了噪声。

5. 主要贡献与意义

1. 架构创新：首次将纵向 MRI 轨迹向量作为检索键，结合RAG 范式和LLM 智能体应用于癫痫手术预后，实现了从“黑盒分类”到“可解释推理”的转变。
2. 解决小样本与可解释性矛盾：通过“检索相似历史病例 + 智能体推理”的机制，既利用了小样本数据中的几何相似性，又通过 LLM 生成了临床医生可理解的决策依据，且避免了幻觉。
3. 概念验证 (Proof-of-Concept)：尽管受限于代理标签（手术类型代替真实预后），该框架成功证明了利用纵向形态学变化进行预后预测的可行性，并为未来接入真实临床结局注册表（Engel 分级）铺平了道路。
4. 临床价值：Neuro-Oracle 提供的可追溯推理链（Traceable Reasoning Chain）比单纯的 AUC 分数更具临床部署价值，有助于建立医生对 AI 辅助决策系统的信任。

6. 局限性与未来工作

• 标签噪声：当前使用手术类型作为代理标签，模型可能仅学习了切除腔的解剖特征而非致痫性病理。
• 数据规模与泛化：样本量较小 (N=268) 且来自单中心，限制了统计显著性和跨中心泛化能力的评估。
• 未来方向：
  1. 获取伦理批准，链接 EPISURG 数据与真实的 Engel 分级结局注册表。
  2. 在独立的多中心队列上评估泛化能力。
  3. 利用有监督微调进一步优化 LLM 智能体的临床推理能力。

总结：Neuro-Oracle 提出了一种新颖的、基于轨迹感知的 RAG 框架，在保持高判别精度的同时，通过 LLM 智能体提供了透明、可审计的临床预后解释，为癫痫手术决策支持系统的发展提供了重要的技术路径。