Robust Renal Mass Segmentation on CT: A Validation Study of an AI-Based Framework

Resumen Técnico: Segmentación Robusta de Masas Renales en TC

Planteamiento del Problema
La segmentación de masas renales es crítica para los flujos de trabajo clínicos que involucran evaluaciones cuantitativas, tales como el monitoreo de los cambios en el volumen renal en enfermedades como la enfermedad renal poliquística autosómica dominante (ADPKD) o la estadificación de tumores renales basada en el diámetro y el volumen. La práctica clínica actual depende en gran medida de la evaluación visual subjetiva, la cual sufre de variabilidad inter-observador y es laboriosa. Aunque los modelos generales de segmentación de imágenes médicas (por ejemplo, TotalSegmentator) han avanzado, a menudo tienen un rendimiento inferior en tareas especializadas como la segmentación de masas renales, particularmente cuando los tumores alteran significativamente la forma y la estructura interna del órgano. Además, los modelos existentes entrenados en conjuntos de datos específicos (por ejemplo, KiTS) suelen tener dificultades para generalizarse a cohortes clínicas externas y heterogéneas, lo que resalta una brecha entre el desarrollo algorítmico y la adopción clínica robusta.

Metodología
Los autores desarrollaron Renal-Net, un algoritmo de segmentación robusto basado en el marco de trabajo de vanguardia nnU-Netv2 (específicamente la configuración Residual Encoder Large).

• Datos de Entrenamiento: El modelo fue entrenado exclusivamente con dos conjuntos de datos disponibles públicamente para asegurar la reproducibilidad y la generalizabilidad:
  1. KiTS23: 489 tomografías computarizadas (TC) de pacientes estadounidenses con sospecha de cáncer renal, anotadas con etiquetas de riñón, tumor y quiste.
  2. Radboudumc Kidney Abnormality Dataset: 215 TC con contraste de pacientes oncológicos holandeses, que contienen riñones sanos y diversas lesiones (quistes, masas, metástasis).
  • Armonización de Datos: Para fusionar estos conjuntos de datos, los autores unificaron los protocolos de anotación. Los quistes y los tumores de KiTS23 se fusionaron en una única categoría de "masa renal" para alinearse con el conjunto de datos de Radboudumc. Las definiciones de la región renal (inclusión/exclusión del hilio) se dejaron según la anotación original para exponer el modelo a la variabilidad de la anotación, bajo la hipótesis de que esto mejora la robustez.
• Arquitectura y Post-procesamiento: El modelo utiliza un nnU-Net de resolución completa. Se aplicó un flujo de post-procesamiento para eliminar las regiones de masa renal predichas que no estuvieran adheridas al riñón (a menos que el volumen superara los 100 cm³, para contabilizar grandes tumores que suprimen la visibilidad renal) y para filtrar diámetros axiales pequeños (<3 mm) para reducir los falsos positivos.
• Estrategia de Validación: El estudio empleó un enfoque de validación a gran escala a través de tres conjuntos de datos de prueba independientes:
  1. Conjunto de Prueba Privado de Radboudumc: 50 TC (20 sanas, 30 con lesiones).
  2. TCGA-KIRC: 28 exploraciones de pacientes con carcinoma de células renales de células claras.
  3. Charité Universitätsmedizin Berlin: 1,510 TC preoperatorias de 917 pacientes con diversos subtipos de tumores y fases de contraste.
• Métricas de Evaluación: El rendimiento se cuantificó utilizando el coeficiente Dice (solapamiento) y la distancia de Hausdorff del percentil 95 (precisión de los bordes). El rendimiento de detección se evaluó mediante precisión, exhaustividad (recall) y puntuaciones F1 con un umbral de Intersección sobre Unión (IoU) de 0.5. Se realizaron análisis de subgrupos para sexo del paciente, edad, fase de contraste de la TC y subtipo histológico del tumor.

Contribuciones Clave

1. Desarrollo de Renal-Net: Un modelo de segmentación especializado y robusto para riñones y masas renales entrenado únicamente con datos públicos.
2. Validación Externa a Gran Escala: El estudio proporciona la validación externa más grande en este dominio hasta la fecha, probando más de 1,500 TC en tres centros médicos distintos con diversas demografías y protocolos de imagen.
3. Análisis Exhaustivo de Subgrupos: Análisis detallado que demuestra la robustez del modelo a través de sexo del paciente, edad, fases de contraste y subtipos histológicos de tumores.
4. Ciencia Abierta: Los pesos del modelo, el código y un algoritmo listo para usar están disponibles públicamente a través de Zenodo, GitHub y grand-challenge.org.

Resultados

• Rendimiento de Segmentación: Renal-Net superó significativamente a los modelos de referencia (TotalSegmentator y el modelo BAMF) en todos los conjuntos de datos para las regiones de "Riñón", "Riñón+Masa" y "Masa Renal" (valores de p corregidos < 0.001 para los coeficientes Dice).
  • En el conjunto de datos TCGA-KIRC, Renal-Net alcanzó un Dice medio de 0.95 para la región renal y 0.86 para las masas renales, frente al 0.80 y 0.05 respectivamente de TotalSegmentator.
  • En el conjunto de datos Charité, Renal-Net y el modelo BAMF mostraron un rendimiento comparable, aunque Renal-Net demostró un rendimiento superior en casos difíciles (percentil 5 de Dice de 0.53 frente a 0.39 de BAMF en masas renales).
• Riñones Sanos: En los subconjuntos de riñones sanos, Renal-Net tuvo un rendimiento comparable a TotalSegmentator (Dice ~0.93-0.95), aunque TotalSegmentator mostró puntuaciones HD95 ligeramente menores.
• Rendimiento a Nivel Humano: En el conjunto de prueba privado de Radboudumc, el rendimiento de Renal-Net (Dice 0.95 para riñón+masa) cayó dentro del rango de la variabilidad inter-observador humana (Dice 0.941).
• Detección: Renal-Net demostró un rendimiento de detección superior (Precisión, Exhaustividad, F1-score) en comparación con los modelos base en todos los conjuntos de datos de prueba. Por ejemplo, en el conjunto de datos de Charité, Renal-Net alcanzó un F1-score de 0.78 en comparación con el 0.70 del modelo BAMF.
• Robustez: Los análisis de subgrupos revelaron un alto rendimiento constante a través de diferentes sexos de pacientes, grupos de edad, fases de contraste de la TC (venosa temprana, venosa tardía, arterial) y subtipos de tumores (ccRCC, pRCC, chrRCC, oncocito).

Significancia y Reivindicaciones
El artículo sostiene que la combinación de conjuntos de datos disponibles públicamente con el marco de trabajo nnU-Net es suficiente para desarrollar un modelo de segmentación que se generalice eficazmente a entornos clínicos externos y diversos sin la necesidad de datos de entrenamiento patentados. Los autores enfatizan que su enfoque prioriza la robustez sobre las ganancias marginales en precisión en conjuntos de datos específicos, logrado mediante el entrenamiento con datos heterogéneos con variaciones en los protocolos de anotación y características de imagen.

El estudio posiciona a Renal-Net como una herramienta para apoyar flujos de trabajo clínicos objetivos y reproducibles, tales como el seguimiento de los cambios en el volumen renal para la vigilancia activa o el monitoreo de la progresión de la enfermedad. Los autores reconocen las limitaciones, incluyendo la incapacidad del modelo para procesar TC sin contraste y la falta de datos demográficos pediátricos o no occidentales en los conjuntos de validación. Concluyen que, si bien el modelo está listo para pruebas clínicas e investigaciones adicionales, el trabajo futuro debe abordar estas brechas y explorar el potencial de separar la segmentación de lesiones quísticas y sólidas.