AI-Augmented Thyroid Scintigraphy for Robust Classification of Disease

Resumen Técnico: Escintigrafía Tiroidea Aumentada por IA para una Clasificación Robusta de Enfermedades

Planteamiento del Problema
La escintigrafía tiroidea es una herramienta diagnóstica crítica para la evaluación de trastornos tiroideos, proporcionando información funcional única que otras modalidades como la ecografía o la TC no pueden ofrecer. Sin embargo, la interpretación de estas imágenes suele ser subjetiva y requiere mucho tiempo. Si bien el aprendizaje profundo (DL) ofrece un camino hacia un diagnóstico automatizado y objetivo, su aplicación en este dominio se ve obstaculizada por la escasez de datos y el desequilibrio de clases. Los conjuntos de datos médicos suelen ser limitados en tamaño debido a restricciones de privacidad y desafíos logísticos, y las técnicas de aumento convencionales (por ejemplo, rotación, inversión) a menudo no logran abordar suficientemente estas limitaciones o pueden generar variaciones poco realistas. Existe la necesidad de estrategias generativas avanzadas que puedan sintetizar imágenes de alta fidelidad y anatómicamente precisas para entrenar robustamente clasificadores de DL con datos limitados.

Metodología
El estudio investiga tres estrategias de aumento de datos para mejorar la clasificación de imágenes de escintigrafía tiroidea en cuatro categorías: Bocio Difuso (DG), Bocio Nodular (NG), Normal (NL) y Tiroiditis (TI). La investigación utiliza un conjunto de datos de 2,954 imágenes de escintigrafía tiroidea anterior recolectadas de nueve centros médicos.

1. Preprocesamiento de Datos e Ingeniería de Prompts:

   • Las regiones tiroideas fueron segmentadas manualmente por un médico especialista en medicina nuclear.
   • Para guiar los modelos generativos, los autores desarrollaron un flujo de trabajo para extraer información clínica estructurada de los informes médicos. Utilizando GPT-4 Turbo, convirtieron informes no estructurados en prompts estandarizados (menores a 77 tokens) que contienen atributos clínicos específicos (por ejemplo, función tiroidea, tipo de nódulo, patrones de captación).

2. Estrategias de Aumento:

   • Aumento Convencional (CA): Se aplicaron transformaciones geométricas estándar (rotación, inversión, escalado) y adición de ruido.
   • Stable Diffusion (SD): Los autores implementaron cuatro variaciones de aumento basadas en SD:
     • SD1: Imagen + Prompt $\rightarrow$ Imagen.
     • SD2: Prompt $\rightarrow$ Imagen.
     • SD3: Imagen $\rightarrow$ Imagen (sin prompt).
     • SD4: Máscara + Prompt $\rightarrow$ Imagen.
       Estos modelos fueron ajustados (fine-tuned) en el conjunto de datos utilizando entrenamiento de precisión mixta.
   • Flow Matching (FM): Un enfoque basado en la difusión que aprende un campo de velocidad de tiempo continuo para definir un transporte casi óptimo entre la distribución de datos de origen y una distribución previa objetivo. Este método permite un muestreo eficiente mediante Ecuaciones Diferenciales Ordinarias (ODE) con menos pasos de integración (10 pasos) en comparación con los procesos de difusión tradicionales. El FM fue condicionado por etiquetas de clase y máscaras.

3. Clasificación y Evaluación:

   • Se entrenó un clasificador ResNet18, inicializado con pesos de ImageNet, utilizando 18 escenarios distintos que combinan el conjunto de datos original (O) con diversas estrategias de aumento (por ejemplo, O+FM, O+SD1, O+CA+FM).
   • Los modelos fueron entrenados con datos de seis centros (A–F) y evaluados con un conjunto de datos externo de tres centros (G–I) para evaluar la generalización.
   • El rendimiento se midió mediante precisión, exhaustividad (recall), puntuación F1 (micro, macro, ponderada) y AUC de ROC.
   • La fidelidad de la imagen se evaluó mediante la Distancia de Incepción de Fréchet (FID) y la Distancia de Incepción de Kernel (KID).
   • La significancia estadística se determinó mediante bootstrapping y la prueba de suma de rangos de Wilcoxon con corrección de Benjamini-Hochberg.

Contribuciones Clave

• Aplicación Novedosa de Flow Matching: Este estudio es uno de los primeros en aplicar Flow Matching para el aumento de imágenes médicas en escintigrafía tiroidea, demostrando su superioridad sobre métodos convencionales y variantes de Stable Diffusion en términos de fidelidad de imagen y rendimiento de clasificación.
• Prompting Clínicamente Informado: Los autores integraron prompts generados por médicos derivados de casos reales en el flujo de trabajo de Stable Diffusion, demostrando que el contexto textual específico del dominio mejora significativamente el realismo y la utilidad diagnóstica de las imágenes generadas.
• Análisis Comparativo Exhaustivo: El trabajo proporciona una comparación rigurosa de 18 escenarios de aumento, estableciendo que el aumento generativo de alta fidelidad (específicamente FM) puede superar e incluso suplantar la necesidad de combinar métodos generativos con heurísticas convencionales.

Resultados

• Rendimiento de Clasificación: La configuración O+FM (Original + Flow Matching) logró el mayor rendimiento en todas las métricas, con puntuaciones F1 micro, macro y ponderadas de 0.78, 0.77 y 0.78, respectivamente, y valores de AUC de 0.95, 0.93 y 0.94. Esta configuración superó estadísticamente a todos los demás métodos, incluyendo la combinación de FM con aumento convencional (O+FM+CA).
• Variantes de Stable Diffusion: Entre los métodos SD, SD1 (Imagen + Prompt) fue el más efectivo, logrando un F1 macro de 0.76. Esto resalta el valor crítico de combinar entradas visuales con prompts derivados clínicamente. SD3 (Imagen-a-Imagen sin prompts) y SD4 (Máscara + Prompt) tuvieron un desempeño significativamente inferior, indicando que los prompts son esenciales para que SD genere variaciones diagnósticamente relevantes.
• Fidelidad de Imagen: FM generó las imágenes más realistas, logrando los puntajes más bajos de FID (0.66) y KID (0.83). En contraste, los métodos SD mostraron puntajes FID/KID más altos, siendo SD4 el que presentó el desempeño más pobre (FID: 17.99, KID: 33.59).
• Eficiencia: FM demostró una eficiencia computacional superior, requiriendo solo 10 pasos de integración para generar imágenes (0.19 segundos/imagen) en comparación con los 50 pasos requeridos por Stable Diffusion (1.25 segundos/imagen) en el mismo hardware.
• Interpretabilidad: Las visualizaciones de Grad-CAM confirmaron que los modelos entrenados con FM localizaron correctamente la atención en la posición anatómica de la glándula tiroides, incluso en casos desafiantes como la Tiroiditis donde la captación funcional es baja, lo que sugiere que los modelos aprendieron características fisiopatológicas reales en lugar de artefactos de fondo.

Significancia y Reivindicaciones
El artículo afirma que la integración de modelos generativos avanzados, particularmente Flow Matching, mejora sustancialmente la robustez de la clasificación de la escintigrafía tiroidea ante conjuntos de datos limitados y desequilibrados. Los autores sostienen que el aumento basado en FM preserva las características clave de la imagen y mejora la generalización del modelo de manera más efectiva que las heurísticas convencionales o los métodos estándar de Stable Diffusion.

Un hallazgo central es que el aumento generativo de alta fidelidad puede suplantar al aumento convencional; el modelo O+FM superó a O+FM+CA, lo que sugiere que las variaciones realistas generadas por FM son suficientes por sí mismas sin la adición de transformaciones geométricas aleatorias. Además, el estudio subraya la necesidad de conocimiento del dominio, ya que los prompts derivados de médicos fueron fundamentales para guiar a los modelos de Stable Diffusion para producir datos sintéticos clínicamente relevantes.

Los autores concluyen que su metodología ofrece un camino hacia un diagnóstico de enfermedades tiroideas más objetivo, consistente y eficiente, ayudando potencialmente a los médicos de medicina nuclear. Sin embargo, reconocen modestamente las limitaciones, señalando que el conjunto de datos está restringido a un único grupo étnico y que el trabajo futuro debería validar estas estrategias en cohortes globales más diversas y multiétnicas y, potencialmente, integrar datos multimodales (por ejemplo, resultados de laboratorio y ecografía).