REN: Anatomically-Informed Mixture-of-Experts for Interstitial Lung Disease Diagnosis

1. Planteamiento del Problema

El diagnóstico de la Enfermedad Pulmonar Intersticial (EPI) mediante tomografía computarizada (TC) de alta resolución presenta desafíos únicos que los enfoques de aprendizaje profundo (DL) tradicionales no abordan adecuadamente:

• Heterogeneidad Regional: Las patologías de la EPI no se distribuyen uniformemente en los pulmones; siguen patrones anatómicos específicos (p. ej., progresión basal). Los modelos globales que tratan el pulmón como una unidad homogénea diluyen las señales patológicas locales.
• Limitaciones de los MoE Convencionales: Las arquitecturas existentes de "Mezcla de Expertos" (MoE) asumen capacidades de expertos homogéneas y un enrutamiento agnóstico al dominio. Esto es ineficaz en imágenes médicas, donde la estructura anatómica y las restricciones fisiológicas requieren una especialización específica del dominio.
• Falta de Interpretabilidad: Los modelos de caja negra dificultan la adopción clínica, ya que no permiten a los radiólogos entender qué regiones anatómicas influyeron en la predicción.

2. Metodología: Regional Expert Networks (REN)

Los autores proponen REN, el primer marco MoE informado anatómicamente para clasificación de imágenes médicas. El sistema sigue un pipeline de cuatro etapas:

• A. Extracción de Regiones Anatómicas:

  • Se segmentan los pulmones en 7 regiones distintas: los 5 lóbulos individuales (LUL, LLL, RUL, RML, RLL) y 2 regiones combinadas (pulmón izquierdo y derecho).
  • Se utilizan máscaras de segmentación para crear entradas enmascaradas específicas para cada región.

• B. Entrenamiento de Expertos Regionales:

  • Se entrenan 7 expertos especializados (uno por región) utilizando cuatro arquitecturas diferentes:
    1. CNN 3D: Arquitectura convolucional personalizada.
    2. ViT (Vision Transformer): Adaptado para volúmenes 3D.
    3. Mamba: Arquitectura basada en espacios de estado.
    4. Radiómica (XGBoost): Extracción de 107 características cuantitativas (textura, forma, intensidad) por lóbulo.
  • Cada experto se entrena independientemente en su región anatómica correspondiente.

• C. Mecanismos de Puerta (Gating) Multi-Modal:

  • Se desarrollan estrategias dinámicas para ponderar la contribución de cada experto durante la inferencia.
  • Estrategias evaluadas:
    • Basadas en rendimiento (ponderación por AUC de validación).
    • Basadas en características (uso de representaciones intermedias).
    • Redes de puerta aprendidas (end-to-end).
  • Innovación clave: Integración de características de radiómica como señales de fiabilidad para guiar el peso de los expertos de aprendizaje profundo.

• D. Integración End-to-End y Baseline:

  • Se utiliza SwinUNETR como modelo de referencia (baseline) para extraer características contextuales globales.
  • Se comparan dos enfoques de integración:
    1. Ensamble por Etapas (Staged): Los expertos se entrenan por separado y se combinan con pesos fijos derivados de la validación.
    2. MoE End-to-End: Optimización conjunta de expertos y puerta.

3. Contribuciones Clave

1. Arquitectura MoE Constrained Anatómicamente: Es el primer marco que alinea explícitamente la especialización de los expertos con las regiones anatómicas definidas (lóbulos pulmonares), en lugar de depender de un enrutamiento implícito.
2. Mecanismos de Puerta Multi-Modal: Desarrollo de estrategias que fusionan biomarcadores de radiómica tradicionales con características de DL para un balance dinámico de fuentes de información.
3. Evaluación Exhaustiva de Arquitecturas: Comparación sistemática de CNN, ViT y Mamba en diferentes regiones anatómicas, revelando que la especialización arquitectónica varía según la región (p. ej., CNN y radiómica superan en lóbulos inferiores).
4. Descubrimiento sobre la Optimización Conjunta: Se demuestra que, en tareas médicas con restricciones anatómicas estrictas, el entrenamiento por etapas (staged ensembling) supera al entrenamiento conjunto (end-to-end), ya que este último tiende a erosionar la especialización regional única de los expertos.

4. Resultados

El modelo se evaluó en una cohorte longitudinal de 597 pacientes (1,898 escaneos) con enfermedad de esclerosis sistémica.

• Rendimiento Superior: La configuración recomendada (Ensamble guiado por radiómica con 5 lóbulos) alcanzó un AUC promedio de 0.8646 ± 0.0467.
• Mejora Significativa: Esto representa una mejora del +12.5% sobre el modelo de referencia SwinUNETR (AUC 0.7685), con un valor p = 0.031.
• Desempeño por Región: Los expertos de los lóbulos inferiores alcanzaron AUCs de 0.88-0.90, superando consistentemente a los modelos de DL puros (CNN: 0.76-0.79) y reflejando fielmente la progresión basal conocida de la EPI.
• Eficiencia Computacional:
  • Tiempo de inferencia: ~62 ms por paciente (16 muestras/segundo) para el ensamble guiado por radiómica.
  • El costo computacional adicional es mínimo comparado con la ganancia diagnóstica.
• Hallazgos de Ablación:
  • Los expertos de radiómica superaron a las redes neuronales en la mayoría de las comparaciones regionales (23/25 contra Mamba, 24/25 contra ViT).
  • La optimización conjunta (End-to-End) degradó el rendimiento en comparación con el ensamble por etapas, confirmando que preservar la especialización independiente es crucial para tareas anatómicamente restringidas.

5. Significado e Impacto

• Interpretabilidad Clínica: A diferencia de los mapas de saliencia post-hoc, REN proporciona contribuciones intrínsecas por lóbulo. Esto permite a los radiólogos ver exactamente qué regiones anatómicas impulsaron la predicción, alineándose con los flujos de trabajo radiológicos estándar.
• Diagnóstico Temprano: La mejora del 12.5% en el AUC podría traducirse en una identificación más temprana de la EPI, lo cual es crítico para ralentizar la progresión de la enfermedad.
• Viabilidad de Despliegue: El sistema es computacionalmente eficiente y funciona en hardware clínico estándar. Se propone como un módulo de apoyo a la decisión (no autónomo) que integra la interpretabilidad de la radiómica con la potencia de reconocimiento de patrones del DL.
• Generalización: Aunque el estudio se centró en la EPI asociada a esclerosis sistémica, el marco REN es extensible a otras tareas de imagen médica estructurada donde la heterogeneidad regional es fundamental.

En resumen, REN demuestra que incorporar conocimiento anatómico explícito y biomarcadores de radiómica dentro de una arquitectura MoE supera significativamente a los enfoques de "caja negra" globales, ofreciendo un equilibrio óptimo entre precisión diagnóstica, interpretabilidad clínica y eficiencia computacional.