Latent Space Analysis for Interpretable Uncertainty in Melanoma Classification

Resumen Técnico: Análisis del Espacio Latente para la Incertidumbre Interpretable en la Clasificación de Melanoma

Planteamiento del Problema
El melanoma es un cáncer de piel altamente agresivo donde la detección temprana es crítica para la supervivencia del paciente. Aunque el aprendizaje profundo ha avanzado en la clasificación de lesiones cutáneas, los modelos estándar suelen operar como "cajas negras" inexplicables. Estos modelos tienen dificultades para comunicar de manera transparente la incertidumbre diagnóstica, particularmente en casos limítrofes donde las lesiones comparten características morfológicas tanto de nevos (NV) como de melanomas (MEL). Esta falta de interpretabilidad limita la confianza clínica y obstaculiza la integración efectiva de herramientas automatizadas en los flujos de trabajo de diagnóstico, donde comprender el "porqué" detrás de una predicción es tan importante como la predicción misma.

Metodología
Los autores proponen un marco híbrido que trasciende la simple clasificación binaria mediante el aprovechamiento de un espacio latente generativo estructurado para el soporte de decisiones interpretable. La metodología consta de tres componentes principales:

1. Autoencoder Variacional Adversario Consciente de la Clase (VAE-GAN):

   • Arquitectura: El modelo emplea una estructura de codificador-decodificador. El codificador mapea imágenes de entrada (128×128×3) a un espacio latente continuo de 256 dimensiones, produciendo un vector de media ($\mu$) y una log-varianza ($\log(\sigma^2)$). Se utiliza el truco de reparametrización ($z = \mu + \sigma \odot \epsilon$) para asegurar la diferenciabilidad.
   • Entrenamiento Adversario: Para superar la tendencia de los VAE estándar a producir reconstrucciones borrosas, se integra un discriminador. Este componente adversario obliga al decodificador a preservar detalles morfológicos de alta frecuencia críticos para la evaluación dermatológica.
   • Conciencia de Clase: Se adjunta un Perceptrón Multicapa (MLP) auxiliar a la media latente ($\mu$) para imponer un agrupamiento discriminativo de clases (MEL vs. NV) durante el entrenamiento.
   • Función de Pérdida: El modelo se optimiza mediante una función de pérdida multiobjetivo: $L_{total} = L_{recon} + \lambda_{KL}L_{KL} + \lambda_{clf}L_{clf} + \lambda_{adv}L_{adv}$. Esto equilibra la calidad de la reconstrucción, la regularización del espacio latente, la precisión de la clasificación y el realismo adversario.

2. Extracción de Características Latentes y Clasificación:

   • Tras el entrenamiento, el codificador sirve como un extractor de características determinista, produciendo el vector de media latente $\mu$ (omitiendo el término de ruido estocástico) para cada imagen.
   • Estos vectores de 256 dimensiones son estandarizados y alimentados a tres clasificadores: Máquina de Vectores de Soporte (SVM), Bosque Aleatorio (RF) y XGBoost.
   • Los hiperparámetros se ajustaron mediante Búsqueda de Cuadrícula (Grid Search) con validación cruzada de 3 pliegues, optimizando para la puntuación F1 promedio macro. XGBoost fue seleccionado como el clasificador final.

3. Incertidumbre Interpretable mediante Recuperación de Imágenes Basada en Contenido (CBIR):

   • En lugar de proporcionar solo una etiqueta binaria, el clasificador XGBoost emite una puntuación de probabilidad continua ($p \in [0, 1]$).
   • Para los casos con alta incertidumbre (puntuaciones cercanas al 50%), el marco activa un sistema CBIR. La imagen de consulta se proyecta en el espacio latente y se recuperan los $k$ vecinos más cercanos (basados en la distancia euclidiana) del archivo de entrenamiento.
   • Esto permite a los clínicos comparar visualmente una lesión ambigua contra precedentes históricos confirmados por biopsia, proporcionando un contexto basado en evidencia para la incertidumbre.

Contribuciones Clave

• Cambio de Paradigma: El trabajo redefine la formulación generativa de los VAE no para la síntဆုံးis de imágenes, sino para destilar características clínicas en un espacio latente continuo y semánticamente estructurado.
• Incertidumbre Interpretable: El marco traduce explícitamente la duda algorítmica en una herramienta de soporte visual para la decisión. Al recuperar precedentes históricos morfológicamente similares para predicciones limítrofes, cierra la brecha entre el rendimiento predictivo y la confianza clínica.
• Arquitectura Híbrida: La integración de un VAE adversario con un clasificador auxiliar y un árbol de gradiente potenciado (XGBoost) crea un sistema que es robusto al desequilibrio de clases mientras mantiene una topología estructurada para la recuperación.

Resultados
El marco fue evaluado en el conjunto de datos ISIC 2019, centrándose en la clasificación binaria de Nevos (12,875 entrenamiento, 2,495 prueba) y Melanomas (4,522 entrenamiento, 1,327 prueba).

• Rendimiento Predictivo: El modelo VAE+XGBoost alcanzó una precisión del 81.26%, una precisión promedio macro de 0.79, una sensibilidad (recall) de 0.80 y una puntuación F1 de 0.80. Obtuvo un AUC de 0.8689.
• Comparación con Baselines: Aunque los modelos convolucionales de extremo a extremo como ResNet50 y DenseNet121 lograron AUCs (0.90) y F1-scores (0.83) ligeramente superiores, el marco propuesto fue competitivo, superando a ConvNeXt-T (AUC 0.66) y siguiendo de cerca a EfficientNetV2 (AUC 0.88). Los autores señalan que la ligera reducción en las métricas predictivas brutas es un compromiso deliberado en favor de la interpretabilidad.
• Eficacia de la Recuperación: El sistema CBIR demostró una fuerte consistencia semántica. Para consultas generales, alcanzó una Precisión Media@5 (mP@5) del 72.0% y una Exactitud Top-5 del 93.9%. Crucialmente, para las consultas de melanoma verdadero (la clase minoritaria), el sistema logró un mP@5 del 44.7%, superando significativamente la recuperación aleatoria y proporcionando un mecanismo de "bandera roja" validado para los clínicos.

Significancia y Reivindicaciones
El artículo afirma que su principal significancia radica en ir más allá del paradigma de la "caja negra". Al utilizar un espacio latente continuo, el sistema no solo clasifica las lesiones, sino que proporciona un mecanismo para visualizar por qué una clasificación es incierta. La recuperación de precedentes confirmados por biopsia para casos limítrofes ofrece un doble beneficio: ayuda al clínico a finalizar un diagnóstico mediante la comparación visual y actúa como un sistema de alerta temprana para lesiones que comparten características tanto de nevos como de melanomas. Los autores concluyen que este enfoque mejora la confianza diagnóstica humana al mantener al clínico "en el bucle", ofreciando un soporte visual transparente y basado en evidencia en lugar de forzar una predicción binaria ciega. El trabajo futuro planea expandir el marco al diagnóstico multiclasificación (incluyendo BCC y BKL) y explorar variantes avanzadas del espacio latente como $\beta$-VAE para una mejor desvinculación (disentanglement) de características.