شبكة عصبية متعددة الوسائط لمرض ألزهايمر تحقق AUROC 0,935 على 2649 مريضًا

نشر باحثون على arXiv (cs.LG) نظامًا متعدد الوسائط والمهام لتشخيص مرض ألزهايمر والتنبؤ بتطوره. جرى التدريب والتحقق الداخلي على 2649 مريضًا و17 317 زيارة من ثلاث مجموعات بيانات: ADNI وOASIS-2 وMIRIAD. بلغ AUROC للتشخيص 0,935 ± 0,002 (المتوسط عبر ثلاث بذور عشوائية seed)، وبلغ 0,951 في النسخة الهجينة. أما على العيّنة الخارجية OASIS-3 فالنتيجة أدنى: 0,763 للشبكة العصبية و0,767 للنسخة الهجينة. وهذا الفارق هو محور الدراسة الرئيسي.

البنية الهندسية والحماية من تسرّب البيانات

بيانات ألزهايمر صعبة التعامل: الزيارات غير منتظمة، والقياسات متباينة، وبعض الوسائط غير متوفرة لدى المريض. وقد بنى المؤلفون خط معالجة (pipeline) من عدة وحدات. يعالج الرنين المغناطيسي مشفّر SFCN مُكيَّف. وتمر البيانات السريرية عبر أربعة محوّلات سببية (causal transformers). بعد ذلك تأتي طبقة دمج مشتركة ووحدات ديناميكية من نوع ODE-GRU مخصصة لكل مهمة، وهي قادرة على العمل مع فترات زمنية غير متساوية بين الزيارات.

يُعاد تدريب آخر كتلتين في مشفّر الرنين المغناطيسي عبر fine-tuning وLoRA. ويوازن Task-DRO الخسائر بين المهام. أما Group-CVaR فيرفع الجودة عمدًا على مستوى المجموعات (cohorts) وشرائح الأمراض المصاحبة، أي الأمراض المرافقة.

ويركّز عنوان الدراسة بصورة خاصة على ضبط التسرّب. ولهذا يعتمد المؤلفون قيودًا على المدخلات على مستوى كل فرع على حدة، وتقسيمًا للعيّنة يقوم على المريض حصرًا، وفحوصات تجريبية للسببية. وهذا بالغ الأهمية في البيانات الطولية (longitudinal)، إذ لو وقعت زيارات المريض الواحد في مجموعتي train وtest معًا لجاءت المقاييس مضخَّمة.

الأرقام والتحقق الخارجي

أبرز نتائج التحقق الداخلي وعلى OASIS-3:

• التشخيص: AUROC 0,935 ± 0,002، والنسخة الهجينة 0,951.
• التقدّم المرضي stage-1: 0,884 ± 0,003، والنسخة الهجينة 0,909.
• التقدّم المرضي stage-1 انطلاقًا من الزيارة الأولى: 0,870 ± 0,005، والنسخة الهجينة 0,896.
• خطأ التنبؤ بدرجة MMSE في الزيارة التالية: MAE 1,61 نقطة.
• الشريحة الأسوأ في التشخيص: AUROC 0,827 ± 0,008.
• OASIS-3، التشخيص: 0,763 (الشبكة) و0,767 (النسخة الهجينة).
• OASIS-3، التقدّم المرضي في الزيارة التالية (النسخة الهجينة): 0,764.
• OASIS-3، خطأ معايرة التشخيص: انخفاض من 0,197 إلى 0,052.
• OASIS-3، MMSE MAE: 0,86.

يُعد تراجع AUROC من 0,935 إلى نحو 0,76 مثالًا كلاسيكيًا على انزياح النطاق (domain shift) بين المجموعات. في المقابل، تحسّنت المعايرة على البيانات الخارجية بنحو أربعة أضعاف تقريبًا، وهو أمر لا يقل أهمية للاستخدام السريري عن ترتيب الحالات. أما انخفاض MAE لدرجة MMSE على OASIS-3 (0,86 مقابل 1,61) فقد يعود إلى تركيبة العيّنة. ولم يذكر الملخص (abstract) الأسباب، فهذا مجرد افتراض.

تبدو نتائج الاستئصال (ablation) مفاجئة. فقد عطّل المؤلفون ستة مكونات واحدًا تلو الآخر على بذرة عشوائية واحدة (42)، وجاء الفارق في AUROC المجمَّع للتشخيص والتقدّم المرضي ضمن النطاق من −0,004 إلى +0,004. أي أن أي عنصر معماري بمفرده لا يحرّك المقياس بصورة ملحوظة. لكن حذف المدخلات السريرية يخفض AUROC للتشخيص بمقدار 0,272. ويبدو أن الإشارة الأساسية تكمن في البيانات السريرية. كما تُظهر التفسيرات على عيّنة ADNI أن المهام المختلفة تعتمد على مدخلات مختلفة.

ما الذي يمكن الاستفادة منه عمليًا

هذه دراسة أولية (preprint) لم تخضع للمراجعة، وليس فيها منتج سريري. القيمة العملية في جانب آخر: فالدراسة تضع بروتوكول تقييم دقيقًا. تقسيم العيّنة حسب المريض، وفحوصات مستقلة للمدخلات في كل فرع، وتقرير عن الشريحة الأسوأ، وتحقق خارجي مع المعايرة، وكلها ممارسات جديرة بأن تتبناها الفرق التي تبني نماذج طبية على بيانات طولية (longitudinal).

أما من يختار بنية النموذج، فتشير نتائج الاستئصال (ablation) إلى أن تعقيد النموذج سيعطي مكسبًا أقل من جودة السمات السريرية. ولتقدير قابلية التطبيق الفعلية، ينبغي النظر إلى النتائج على مجموعات مستقلة مثل OASIS-3، لا إلى AUROC الداخلي البالغ 0,935. فالأرقام هناك أكثر تواضعًا بوضوح، لكنها أكثر صدقًا.