Una red neuronal multimodal para el Alzheimer alcanza un AUROC de 0,935 en 2649 pacientes

Un equipo de investigadores ha publicado en arXiv (cs.LG) un sistema multimodal y multitarea para diagnosticar la enfermedad de Alzheimer y predecir su progresión. El entrenamiento y la validación interna se hicieron con 2649 pacientes y 17 317 visitas procedentes de tres datasets: ADNI, OASIS-2 y MIRIAD. El AUROC diagnóstico fue de 0,935 ± 0,002 (media de tres seeds), y de 0,951 en la versión híbrida. En la muestra externa OASIS-3 el resultado es inferior: 0,763 para la red neuronal y 0,767 para el híbrido. Esa diferencia es la historia central del trabajo.

Arquitectura y protección contra fugas de datos

Los datos sobre el Alzheimer son incómodos de manejar: las visitas son irregulares, las mediciones heterogéneas y a cada paciente le falta una parte de las modalidades. Los autores montaron un pipeline con varios bloques. Un codificador SFCN adaptado procesa la resonancia magnética. Los datos clínicos pasan por cuatro transformers causales. A continuación hay una capa de fusión común y, para cada tarea, módulos dinámicos ODE-GRU propios, capaces de trabajar con intervalos desiguales entre visitas.

Los dos últimos bloques del codificador de resonancia se reentrenan mediante fine-tuning y LoRA. Task-DRO equilibra las pérdidas entre tareas. Group-CVaR mejora de forma deliberada el rendimiento en cohortes y en estratos por comorbilidades, es decir, por enfermedades concomitantes.

El título del trabajo pone un énfasis especial en el control de fugas. Para lograrlo, los autores aplican restricciones de entrada a nivel de cada rama, una partición de la muestra estrictamente por sujetos y comprobaciones empíricas de causalidad. En datos longitudinales esto es crítico: si las visitas de un mismo paciente acaban tanto en train como en test, las métricas salen infladas.

Cifras y validación externa

Principales resultados de la validación interna y de OASIS-3:

• Diagnóstico: AUROC 0,935 ± 0,002, híbrido: 0,951.
• Progresión stage-1: 0,884 ± 0,003, híbrido: 0,909.
• Progresión desde la primera visita stage-1: 0,870 ± 0,005, híbrido: 0,896.
• Error de predicción del MMSE en la siguiente visita: MAE de 1,61 puntos.
• Peor estrato en diagnóstico: AUROC 0,827 ± 0,008.
• OASIS-3, diagnóstico: 0,763 (red) y 0,767 (híbrido).
• OASIS-3, progresión en la siguiente visita (híbrido): 0,764.
• OASIS-3, error de calibración del diagnóstico: reducción de 0,197 a 0,052.
• OASIS-3, MAE del MMSE: 0,86.

La caída del AUROC de 0,935 a aproximadamente 0,76 es un clásico desplazamiento de dominio entre cohortes. En cambio, la calibración en datos externos mejoró casi cuatro veces, algo que para el uso clínico es tan importante como el ranking. El MAE del MMSE más bajo en OASIS-3 (0,86 frente a 1,61) puede depender de la composición de la muestra. El abstract no indica las causas, así que por ahora es solo una hipótesis.

Las ablaciones resultan sorprendentes. Los autores desactivaron por turnos seis componentes con un solo seed (42), y la diferencia en el AUROC combinado de diagnóstico y progresión quedó entre −0,004 y +0,004. Ningún elemento arquitectónico, por sí solo, mueve la métrica de forma apreciable. En cambio, eliminar las entradas clínicas reduce el AUROC diagnóstico en 0,272. Todo apunta a que la señal principal está en los datos clínicos. Las explicaciones sobre la muestra ADNI también muestran que cada tarea se apoya en entradas distintas.

Qué conviene llevarse a la práctica

Es un preprint sin revisión por pares y no hay aquí ningún producto clínico. El valor práctico es otro: el trabajo define un protocolo de evaluación cuidadoso. Partición por sujetos, comprobaciones independientes de las entradas por rama, informe del peor estrato y validación externa con calibración: los equipos que construyen modelos médicos con datos longitudinales deberían adoptar todo ello.

Para quienes eligen arquitectura, los resultados de ablación sugieren que complicar el modelo aportará menos que mejorar la calidad de las variables clínicas. Para valorar la aplicabilidad real hay que mirar los resultados en cohortes independientes como OASIS-3, no el AUROC interno de 0,935. Allí las cifras son bastante más modestas, pero más honestas.