Clinical utility of foundation models in musculoskeletal MRI for biomarker fidelity and predictive outcomes

Título: Utilidad clínica de modelos fundacionales en RM musculoesquelética para la fidelidad de biomarcadores y resultados predictivos

1. El Problema

La medicina de precisión en la imagenología musculoesquelética (MSK) requiere una infraestructura de medición escalable. Sin embargo, los flujos de trabajo radiológicos rutinarios rara vez generan biomarcadores cuantitativos a partir de las resonancias magnéticas (RM). Actualmente, obtener estas mediciones (como grosor de cartílago, volumen muscular o altura del disco) requiere que expertos delineen manualmente múltiples estructuras en cientos de cortes, un proceso intensivo en tiempo y experiencia, sujeto a variabilidad inter-lector y difícil de escalar. Además, la heterogeneidad en los protocolos de RM entre diferentes escáneres, sitios y tejidos complica la estandarización de las mediciones. Existe una necesidad crítica de automatizar estos procesos para convertir escaneos rutinarios en biomarcadores cuantitativos estandarizados que apoyen la toma de decisiones clínicas y la estratificación de riesgos.

2. Metodología

Los autores desarrollaron un sistema modular que convierte las RM de rutina en biomarcadores cuantitativos estandarizados mediante el uso de modelos fundacionales de segmentación (Foundation Models) combinados con detección automática.

• Modelos Fundacionales: Se evaluaron y ajustaron finamente (fine-tuning) tres arquitecturas basadas en Vision Transformers: SAM (Segment Anything Model), MedSAM (adaptado a imágenes médicas) y SAM2. Se seleccionaron variantes de tamaño base para mantener costos de inferencia y entrenamiento realistas.
• Estrategia de Prompting: En lugar de depender de prompts manuales, el sistema utiliza un modelo de detección (YOLOv8m) para generar automáticamente cajas delimitadoras (bounding boxes) por corte (2D) que sirven como "prompts" para los segmentadores. Esto permite una inferencia totalmente automática a escala poblacional.
• Conjunto de Datos: Se utilizaron 12 conjuntos de datos heterogéneos que abarcan 913 escaneos de RM de cinco anatomías: rodilla, cadera, hombro, columna lumbar y muslo. Los datos incluyen protocolos clínicos (2D) y de investigación (3D, cuantitativos T1ρ/T2) a 1.5T y 3T.
• Entrenamiento y Validación:
  • Se compararon modelos "zero-shot" (sin ajuste) frente a modelos con fine-tuning (ajuste fino completo de codificador y decodificador).
  • Se evaluó la eficiencia de los datos utilizando subconjuntos de 5, 10, 20 y 40 sujetos.
  • Se emplearon modelos de efectos mixtos jerárquicos para analizar cómo los parámetros de adquisición de RM (ej. ángulo de giro, tiempo de eco) afectan la calidad de la segmentación.
• Aplicaciones Clínicas:
  1. Triaje Automatizado: Un sistema de tres etapas para RM de rodilla que clasifica los estudios en "normales" o "anormales" basándose en biomarcadores de cartílago y hueso, reduciendo la carga de trabajo de los radiólogos.
  2. Modelado Predictivo de Riesgo: Uso de trayectorias longitudinales de biomarcadores (de la iniciativa OAI) para predecir la progresión de la osteoartritis (OA) y el riesgo de reemplazo total de rodilla (TKR) a 48 meses.

3. Contribuciones Clave

• Arquitectura Agnóstica al Modelo: Se propone un sistema donde la extracción de biomarcadores está desacoplada del modelo de segmentación específico. Esto permite actualizar los modelos de segmentación (backbones) sin necesidad de revalidar toda la cadena de extracción de biomarcadores o las decisiones clínicas.
• Validación de Biomarcadores: Demostraron que los modelos ajustados finamente generan mediciones con una concordancia alta con las anotaciones de expertos, validando la fidelidad de los biomarcadores estructurales y bioquímicos.
• Automatización Escalable (AutoLabel): Integración exitosa de un detector de objetos con modelos fundacionales para eliminar la necesidad de anotación manual en grandes cohortes, permitiendo el despliegue a escala poblacional.
• Utilidad Clínica Dual: El marco valida tanto la optimización operativa inmediata (reducción de carga de trabajo mediante triaje) como la estratificación de riesgos a largo plazo (predicción de resultados clínicos).

4. Resultados

• Rendimiento de Segmentación:
  • El ajuste fino (fine-tuning) mejoró significativamente el coeficiente de Dice (DSC) en todos los conjuntos de datos. La mediana de DSC aumentó de ~0.59-0.89 (zero-shot) a 0.92-0.96 (ajustado).
  • SAM2 mostró un rendimiento superior en anatomías complejas y estructuras de bajo contraste en modo zero-shot, pero el ajuste fino de MedSAM y SAM2 logró los mejores resultados globales.
  • El ajuste fino completo (codificador + decodificador) fue determinante para lograr precisión clínica, especialmente en tejidos delgados o de bajo contraste.
• Fidelidad de Biomarcadores:
  • Se logró una alta concordancia con las mediciones manuales de expertos. Por ejemplo, el grosor del cartílago mostró un ICC (coeficiente de correlación intraclase) de 0.996 en protocolos DESS y límites de acuerdo de Bland-Altman de ±0.18 mm.
  • El volumen muscular y la altura del disco también mostraron ICCs superiores a 0.97.
• Rendimiento del Triaje (Rodilla):
  • El sistema de triaje de tres etapas redujo la carga de verificación. En un conjunto de 930 escaneos, el sistema filtró el 94.9% de los casos normales (en el umbral más estricto), requiriendo solo 1.7 horas de revisión humana por cada 1,000 escaneos (frente a 133 horas para una revisión manual completa), manteniendo una sensibilidad adecuada para la patología.
• Predicción de Resultados:
  • El modelo de riesgo para reemplazo total de rodilla (TKR) a 48 meses alcanzó un AUC de 0.76 (IC 95%: 0.72–0.80), superando significativamente a los modelos basados solo en demografía (AUC 0.60).
  • Los biomarcadores de cartílago tibial lateral y menisco lateral fueron los predictores más importantes identificados mediante SHAP.

5. Significado e Impacto

Este trabajo demuestra que los modelos fundacionales pueden pasar de ser herramientas de investigación técnica a sistemas de utilidad clínica real en imagenología musculoesquelética.

• Cambio de Paradigma: Se prioriza la fidelidad del biomarcador sobre la métrica de segmentación pura. Un sistema estable de medición permite integrar avances técnicos futuros sin rediseñar toda la infraestructura clínica.
• Medicina de Precisión: Proporciona una vía para la medicina de precisión escalable, donde las mediciones cuantitativas estandarizadas alimentan tanto la optimización del flujo de trabajo actual como la predicción de riesgos futuros para el paciente.
• Despliegue Sostenible: La arquitectura modular y el uso de prompts automáticos resuelven los cuellos de botella de anotación, facilitando la implementación en entornos clínicos diversos y heterogéneos.
• Código Abierto: Los autores han liberado el código, los pesos de los modelos ajustados y los datos de validación, fomentando la validación independiente y el desarrollo continuo en la comunidad científica.

En resumen, el estudio valida un camino desde la medición automatizada hasta la decisión clínica, demostrando que los modelos fundacionales, cuando se ajustan y validan rigurosamente, pueden generar biomarcadores confiables que impulsan tanto la eficiencia operativa como la atención proactiva al paciente.