Мультимодальная нейросеть для Альцгеймера достигла AUROC 0,935 на 2649 пациентах

Исследователи выложили на arXiv (cs.LG) мультимодальную мультизадачную систему для диагностики болезни Альцгеймера и прогноза её прогрессии. Обучение и внутренняя валидация шли на 2649 пациентах и 17 317 визитах из трёх датасетов: ADNI, OASIS-2 и MIRIAD. AUROC диагностики составил 0,935 ± 0,002 (среднее по трём seed), у гибридной версии — 0,951. На внешней выборке OASIS-3 результат ниже: 0,763 для нейросети и 0,767 для гибрида. Эта разница и есть главный сюжет работы.

Архитектура и защита от утечек

Данные по Альцгеймеру неудобны: визиты нерегулярны, измерения разнородны, часть модальностей у пациента отсутствует. Авторы собрали пайплайн из нескольких блоков. МРТ обрабатывает адаптированный энкодер SFCN. Клинические данные идут через четыре каузальных трансформера. Дальше стоит общий слой слияния и отдельные для каждой задачи динамические модули ODE-GRU, которые умеют работать с неравномерными интервалами между визитами.

Два последних блока МРТ-энкодера дообучают через fine-tuning и LoRA. Task-DRO балансирует потери между задачами. Group-CVaR целенаправленно подтягивает качество на когортах и стратах по коморбидностям, то есть на сопутствующих заболеваниях.

Отдельный акцент в названии работы стоит на контроле утечек. Для этого авторы используют входные ограничения на уровне отдельных ветвей, разбиение выборки строго по субъектам и эмпирические проверки каузальности. Для longitudinal-данных это критично: если визиты одного пациента попадут и в train, и в test, метрики получатся завышенными.

Цифры и внешняя проверка

Основные результаты внутренней валидации и OASIS-3:

• Диагностика: AUROC 0,935 ± 0,002, гибрид — 0,951.
• Прогрессия stage-1: 0,884 ± 0,003, гибрид — 0,909.
• Прогрессия от первого визита stage-1: 0,870 ± 0,005, гибрид — 0,896.
• Ошибка прогноза MMSE на следующем визите: MAE 1,61 балла.
• Худшая страта по диагностике: AUROC 0,827 ± 0,008.
• OASIS-3, диагностика: 0,763 (сеть) и 0,767 (гибрид).
• OASIS-3, прогрессия на следующем визите (гибрид): 0,764.
• OASIS-3, ошибка калибровки диагностики: снижение с 0,197 до 0,052.
• OASIS-3, MMSE MAE: 0,86.

Падение AUROC с 0,935 до примерно 0,76 — классический сдвиг домена между когортами. Зато калибровка на внешних данных улучшилась почти в четыре раза, а это для клинического использования не менее важно, чем ранжирование. Более низкая MAE по MMSE на OASIS-3 (0,86 против 1,61) может зависеть от состава выборки. В абстракте причины не названы, так что это лишь гипотеза.

Аблации выглядят неожиданно. Авторы по очереди отключили шесть компонентов на одном seed (42), и разница в объединённых AUROC для диагностики и прогрессии оказалась в диапазоне от −0,004 до +0,004. Ни один архитектурный элемент в отдельности заметно метрику не двигает. Зато удаление клинических входов снижает AUROC диагностики на 0,272. Основной сигнал, судя по всему, лежит в клинических данных. Объяснения на выборке ADNI также показывают, что разные задачи опираются на разные входы.

Что взять в работу

Это препринт без рецензии, и клинического продукта здесь нет. Практическая ценность в другом: работа задаёт аккуратный протокол оценки. Разбиение по субъектам, независимые проверки входов по ветвям, отчёт по худшей страте, внешняя валидация с калибровкой — всё это стоит перенять командам, которые строят медицинские модели на longitudinal-данных.

Тем, кто выбирает архитектуру, ablation-результаты подсказывают: усложнение модели даст меньше, чем качество клинических признаков. Чтобы оценить реальную применимость, нужно смотреть на результаты на независимых когортах вроде OASIS-3, а не на внутреннюю AUROC 0,935. Там цифры заметно скромнее, но честнее.