Une IA multimodale pour Alzheimer atteint une AUROC de 0,935 sur 2649 patients

Des chercheurs ont publié sur arXiv (cs.LG) un système multimodal et multitâche pour le diagnostic de la maladie d'Alzheimer et la prédiction de sa progression. L'entraînement et la validation interne reposent sur 2649 patients et 17 317 visites, issus de trois jeux de données : ADNI, OASIS-2 et MIRIAD. L'AUROC diagnostique s'établit à 0,935 ± 0,002 (moyenne sur trois seeds), et à 0,951 pour la version hybride. Sur la cohorte externe OASIS-3, le résultat est plus bas : 0,763 pour le réseau de neurones et 0,767 pour l'hybride. Cet écart est le véritable enjeu de l'étude.

Architecture et protection contre les fuites de données

Les données sur Alzheimer sont difficiles à exploiter : les visites sont irrégulières, les mesures hétérogènes, et certaines modalités manquent chez une partie des patients. Les auteurs ont assemblé un pipeline en plusieurs blocs. Un encodeur SFCN adapté traite les IRM. Les données cliniques passent par quatre transformeurs causaux. Viennent ensuite une couche de fusion commune et, pour chaque tâche, des modules dynamiques ODE-GRU capables de gérer des intervalles inégaux entre les visites.

Les deux derniers blocs de l'encodeur IRM sont adaptés par fine-tuning et LoRA. Task-DRO équilibre les pertes entre les tâches. Group-CVaR améliore ciblément la qualité sur les cohortes et sur les strates de comorbidités, c'est-à-dire de maladies associées.

Le titre de l'article met en avant le contrôle des fuites de données. Pour y parvenir, les auteurs appliquent des contraintes d'entrée au niveau de chaque branche, un découpage des échantillons strictement par sujet et des vérifications empiriques de causalité. Pour des données longitudinales, c'est crucial : si les visites d'un même patient se retrouvent à la fois dans le train et dans le test, les métriques sont surestimées.

Chiffres et validation externe

Principaux résultats de la validation interne et sur OASIS-3 :

• Diagnostic : AUROC de 0,935 ± 0,002, hybride : 0,951.
• Progression stage-1 : 0,884 ± 0,003, hybride : 0,909.
• Progression stage-1 depuis la première visite : 0,870 ± 0,005, hybride : 0,896.
• Erreur de prédiction du MMSE à la visite suivante : MAE de 1,61 point.
• Pire strate pour le diagnostic : AUROC de 0,827 ± 0,008.
• OASIS-3, diagnostic : 0,763 (réseau) et 0,767 (hybride).
• OASIS-3, progression à la visite suivante (hybride) : 0,764.
• OASIS-3, erreur de calibration du diagnostic : réduction de 0,197 à 0,052.
• OASIS-3, MAE du MMSE : 0,86.

La chute de l'AUROC de 0,935 à environ 0,76 relève du décalage de domaine classique entre cohortes. En revanche, la calibration sur données externes s'améliore d'un facteur proche de quatre, ce qui compte autant que le classement pour un usage clinique. La MAE du MMSE plus basse sur OASIS-3 (0,86 contre 1,61) peut dépendre de la composition de l'échantillon. L'abstract n'en donne pas les raisons : il ne s'agit donc que d'une hypothèse.

Les ablations surprennent. Les auteurs ont désactivé tour à tour six composants sur un seul seed (42), et l'écart d'AUROC combinée pour le diagnostic et la progression reste compris entre −0,004 et +0,004. Aucun élément architectural pris isolément ne fait nettement bouger la métrique. En revanche, retirer les entrées cliniques fait chuter l'AUROC diagnostique de 0,272. Le signal principal se situe donc, selon toute apparence, dans les données cliniques. Les explications sur l'échantillon ADNI montrent par ailleurs que les différentes tâches s'appuient sur des entrées différentes.

Ce qu'il faut en retenir

Il s'agit d'un preprint sans relecture par les pairs, et il n'y a pas de produit clinique à la clé. L'intérêt pratique est ailleurs : l'étude propose un protocole d'évaluation rigoureux. Découpage par sujet, vérifications indépendantes des entrées par branche, rapport sur la pire strate, validation externe avec calibration : les équipes qui construisent des modèles médicaux sur des données longitudinales gagneraient à adopter tout cela.

Pour ceux qui choisissent une architecture, les résultats d'ablation suggèrent qu'un modèle plus complexe apportera moins que la qualité des variables cliniques. Pour juger de l'applicabilité réelle, il faut regarder les résultats sur des cohortes indépendantes comme OASIS-3, et non l'AUROC interne de 0,935. Les chiffres y sont nettement plus modestes, mais plus honnêtes.