Resumen Técnico: OncoReg: Registro de Imágenes Médicas para Desafíos Oncológicos

1. Planteamiento del Problema

El desafío OncoReg aborda la necesidad crítica de un registro preciso de imágenes en oncología, específicamente en el contexto de la radioterapia guiada por imagen (IGRT). El núcleo del desafío clínico consiste en alinear las exploraciones de tomografía computarizada de haz fan (FBCT) de alta resolución, adquiridas antes del tratamiento, con las exploraciones de tomografía computarizada de haz cónico (CBCT) de baja dosis y propensas a artefactos, adquiridas durante las sesiones de tratamiento.

Esta tarea de registro se ve complicada por varios factores:

• Diferencias de Modalidad: Variaciones significativas de intensidad y artefactos entre FBCT y CBCT.
• Movimiento Respiratorio: Desalineación entre las fases de inspiración máxima (FBCT) y expiración máxima (CBCT).
• Cambios Anatómicos: Reducción del tumor, pérdida de peso y deformación de órganos que ocurren a lo largo del tratamiento (meses).
• Privacidad de los Datos: El vasto volumen de datos médicos generados en oncología suele estar infrautilizado debido a las restricciones de privacidad del paciente, lo que impide la liberación pública de grandes conjuntos de datos anotados necesarios para entrenar modelos de IA robustos.

OncoReg busca superar la barrera de la privacidad utilizando un marco de dos fases que permite a los investigadores desarrollar algoritmos con datos públicos y validarlos en datos clínicos privados y ocultos sin que los datos salgan nunca de la red segura del hospital.

2. Metodología y Diseño del Desafío

Marco del Desafío

El desafío se organizó en dos fases distintas, basándose en la base del Desafío Learn2Reg:

1. Fase 1 (ThoraxCBCT): Un desafío de Tipo 1/Tipo 2 utilizando un conjunto de datos disponible públicamente derivado del conjunto de datos 4D-Lung de The Cancer Imaging Archive (TCIA). Los participantes desarrollaron algoritmos con 11 pacientes de entrenamiento y 3 pacientes de validación.
2. Fase 2 (OncoReg): Un desafío de Tipo 3 que utiliza un conjunto de datos privado y completamente oculto de la Universidad Hospitalaria de Schleswig-Holstein (UKSH). Los participantes enviaron sus algoritmos de entrenamiento (contenedorizados), los cuales los organizadores reentrenaron y evaluaron en 27 pacientes ocultos (15 de entrenamiento, 3 de validación, 9 de prueba en una configuración de validación cruzada de 3 pliegues). Esta fase introdujo un cambio de dominio, ya que los datos procedían de diferentes escáneres e instituciones que el conjunto de datos público.

Características de los Datos

• ThoraxCBCT: 19 casos (11 de entrenamiento, 3 de validación, 5 de prueba). Las imágenes fueron remuestreadas a 390x280x300 vóxeles (1.0 mm isotrópico). Las anotaciones incluyeron 13 estructuras semiautomáticas y aproximadamente 16 puntos de referencia manuales por par.
• OncoReg: 27 casos. Las imágenes fueron remuestreadas a 256x192x192 vóxeles (1.5 mm isotrópico). Las anotaciones fueron más exhaustivas, contando con 52 estructuras semiautomáticas y aproximadamente 25 puntos de referencia manuales por par. Crucialmente, el conjunto de datos OncoReg no estaba sincronizado por fase respiratoria, lo que presenta un escenario clínico más realista.

Métricas de Evaluación

El rendimiento se evaluó mediante un enfoque de múltiples métricas para asegurar la robustez:

• Error de Registro de Objetivos (TRE): Distancia entre puntos de referencia manuales.
• Coeficiente de Similitud de Dice (DSC): Solapamiento de las máscaras de segmentación.
• Distancia de Hausdorff Percentil 95 (HD95): Robustez de la distancia de superficie.
• Desviación Estándar del Logaritmo del Jacobiano (SDlogJ): Suavidad del campo de deformación.
• Tiempo de Ejecución: Medido pero no incluido en el ranking final para priorizar la precisión para este benchmark específico.

Los rankings se determinaron mediante una media geométrica de pruebas de significancia estadística (prueba de rango con signo de Wilcoxon) a través de las métricas.

Métodos Enviados

El desafío atrajo diversos enfoques, que van desde la optimización clásica hasta el aprendizaje profundo:

• DINO-Reg & Ensemble: Utilizó DINOv2 (Vision Transformers) para la extracción de características autosupervisadas, seguido de optimización por descenso de gradiente. Un ensamble combinó características de DINO con características de MIND (Descriptores de Vecindario Independientes de la Modalidad).
• Fourier-Net: Un enfoque impulsado por modelos que aprende representaciones de desplazamiento de baja frecuencia mediante FFT, refinadas con optimización a nivel de instancia.
• SSKJLBW: Un marco no supervisado de disparo único (single-shot) que utiliza la fusión de características multiescala y la evolución dinámica de plantillas para manejar el ruido y las grandes deformaciones.
• SynDeeds: Un método DeedsBCV mejorado que incorpora un módulo de síntesis de imágenes basado en aprendizaje para restaurar la calidad de la CBCT antes del registro.
• TimH (ConstrICON): Un marco que garantiza la consistencia inversa por construcción utilizando la parametrización del grupo de Lie, que cuenta con un preprocesamiento extensivo para recortar las FBCT al campo de visión de la CBCT.
• Voxelmorph++: Extensión de VoxelMorph con predicción de desplazamiento basada en mapas de calor, correspondencias de puntos clave débilmente supervisadas y optimización de instancia.

3. Resultados Clave

ThoraxCBCT (Datos Públicos)

• Mejores Desempeños: SynDeeds fue el ganador oficial, logrando el DSC medio más alto (70.16%). ConvexAdam (un baseline proporcionado por los organizadores) logró el rango general más alto en todas las métricas (Rango 0.710) y el TRE más bajo (4.93 mm), aunque no era elegible para la victoria oficial.
• Tendencias de Rendimiento: Las estructuras grandes (pulmones) fueron registradas con alta precisión en todos los métodos. Las estructuras pequeñas y alargadas (esófago, médula espinal) siguieron siendo un desafío.
• Divergencia de Métricas: Fourier-Net logró el TRE más bajo pero un DSC menor, mientras que SynDeeds y ConvexAdam mostraron un DSC fuerte con un TRE ligeramente mayor, lo que indica que diferentes métricas capturan distintos aspectos de la calidad del registro.

OncoReg (Datos Privados)

• Mejores Desempeños: TimH logró el mejor rendimiento general (Rango 0.73), destacando particularmente en HD95 (6.92 mm) y TRE30, debido en gran medida a su estrategia de preprocesamiento de recortar las FBCT para que coincidan con el campo de visión de la CBCT. DINO-Reg Ensemble le siguió de cerca (Rango 0.67), logrando el TRE mediano más bajo (3.94 mm) y el DSC más alto (63.89%).
• Generalización: Los métodos que dependían fuertemente de la optimización a nivel de instancia (por ejemplo, DINO-Reg) mostraron un sólido rendimiento pero a costa de un alto tiempo de ejecución (>300s). ConvexAdam mantuvo un rendimiento competitivo con tiempos de ejecución inferiores a 5 segundos.
• Cambio de Dominio: Varios métodos se comportaron de manera diferente entre ThoraxCBCT y OncoReg, resaltando el impacto del cambio de dominio (diferencias de escáner, protocolos de adquisición). Por ejemplo, NiftyReg funcionó relativamente mejor en ThoraxCBCT pero tuvo dificultades con las distorsiones en el conjunto de datos OncoReg donde no se abordaron los desajustes de campo de visión.

4. Contribuciones Clave y Hallazgos

El artículo presenta las siguientes contribuciones e ideas principales:

1. Benchmarking Preservador de la Privacidad: La implementación exitosa de un marco de desafío de Tipo 3 demuestra que el desarrollo y la validación de algoritmos de alta calidad pueden realizarse en datos médicos sensibles sin la liberación pública de los mismos, fomentando modelos de IA generalizables.
2. Importancia de la Extracción de Características: Los métodos mejor clasificados (ConvexAdam, DINO-Reg) dependieron fuertemente de estrategias robustas de extracción de características. El artículo concluye que, ya sean las características diseñadas a mano (ConvexAdam) o aprendidas mediante autosupervisión (DINO-Reg), una representación de características fuerte es la piedra angular de un registro exitoso.
3. Preprocesamiento y Adaptación de Dominio: El éxito de TimH subraya que las elecciones de preprocesamiento, específicamente el manejo del solapamiento parcial del campo de visión y la adaptación de dominio, pueden ser tan críticas como la arquitectura de registro misma. Ignorar el desajuste en la cobertura anatómica entre FBCT y CBCT conduce a errores significativos en los límites.
4. Complementariedad de las Métricas: El análisis reveló una correlación negativa moderada entre TRE y DSC ($\rho = -0.52$), confirmando que la precisión de los puntos de referencia y el solapamiento de la segmentación capturan distintos aspectos de la calidad del registro. Ninguna métrica por sí sola es suficiente; la evaluación multi-métrica es esencial.
5. Enfoques Híbridos: La combinación de métodos clásicos con aprendizaje profundo (por ejemplo, usar puntos clave de ConvexAdam para refinar VoxelMorph++) mostró resultados prometedores, sugiriendo que los pipelines híbridos pueden superar a los enfoques de aprendizaje profundo puro o de optimización pura en contextos específicos.

5. Significación y Reivindicaciones

Los autores afirman que OncoReg proporciona un benchmark exhaustivo para el registro de FBCT a CBCT en radioterapia, ofreciendo información sobre el estado actual del registro de imágenes deformables. La significación del trabajo reside en:

• Relevancia Clínica: Al centrarse en los desafíos específicos de la IGRT (desajuste de modalidad, movimiento respiratorio y cambios anatómicos), el desafío aborda una necesidad clínica directa para la radioterapia adaptativa.
• Perspectivas Metodológicas: Los resultados resaltan que, si bien el aprendizaje profundo es poderoso, la optimización clásica y la ingeniería de características siguen siendo vitales. El artículo sugiere que el progreso futuro no depende solo de nuevas arquitecturas, sino de una mejor extracción de características, adaptación de dominio y manejo del solapamiento parcial de la imagen.
• Direcciones Futuras: Los autores sugieren modestamente que los desafíos futuros deberían incorporar conjuntos de datos multicéntricos más grandes, validación cruzada más extensa y una consideración equilibrada de la eficiencia computacional junto con la precisión, dado que los métodos actuales de alto rendimiento suelen depender de una optimización a nivel de instancia computacionalmente costosa.

El artículo concluye que, si bien los métodos de mejor desempeño lograron una precisión impresionante, el compromiso entre precisión, robustez y eficiencia computacional sigue siendo un área crítica para la investigación futura para permitir el despliegue clínico rutinario.