🤖 machine learning

MambaX-Net: Dual-Input Mamba-Enhanced Cross-Attention Network for Longitudinal Prostate MRI Segmentation

MambaX-Net es una novedosa arquitectura de segmentación 3D de doble entrada y semi-supervisada que aprovecha un módulo de Atención Cruzada mejorado con Mamba y un Extractor de Forma para segmentar eficazmente las zonas prostáticas en la Vigilancia Activa longitudinal mediante resonancia magnética, utilizando datos de puntos temporales previos y pseudoetiquetas, superando así a los modelos existentes en escenarios con anotaciones de expertos limitadas.

Autores originales: Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

Publicado 2026-08-21

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El cáncer de próstata es una enfermedad común entre los hombres y, en muchos casos que no representan una amenaza inmediata para la vida, los médicos optan por una estrategia llamada vigilancia activa. En lugar de recurrir apresuradamente a la cirugía o la radiación, que pueden causar efectos secundarios significativos, los pacientes son monitoreados de cerca a lo largo del tiempo. Esto implica realizar análisis de sangre regulares y tomografías por resonancia magnética (RM) repetidas para vigilar cualquier signo de que el cáncer esté creciendo o cambiando. El objetivo es detectar la progresión de forma temprana, evitando al mismo tiempo tratamientos innecesarios para quienes no los necesitan. Sin embargo, la lectura de estas exploraciones es una tarea exigente para los radiólogos. Deben delinear cuidadosamente toda la glándula prostática y sus secciones internas para medir el volumen y detectar cambios sutiles. Hacer esto manualmente para cada exploración en un programa de seguimiento a largo plazo es lento y propenso al error humano, lo que crea la necesidad de inteligencia artificial para ayudar a automatizar el proceso.

El desafío para las computadoras es que la anatomía de la próstata no es estática. A lo largo de meses o años, la glándula puede cambiar de forma, encogerse o desplazarse ligeramente, y la calidad de las imágenes de la RM puede variar. La mayoría de los modelos de inteligencia artificial existentes están entrenados para observar una sola exploración de forma aislada, como una instantánea. No comprenden la historia del paciente. Si una computadora ve una nueva exploración sin saber cómo era la próstata hace un año, podría tener dificultades para distinguir entre un cambio normal y un signo de enfermedad. Además, el entrenamiento de estos sistemas suele requerir miles de imágenes que han sido dibujadas meticulosamente por médicos expertos, un recurso que es escaso y costoso de producir.

Un equipo de investigadores del King's College London ha desarrollado un nuevo enfoque para resolver estos problemas, descrito en un estudio reciente. Crearon un sistema llamado MambaX-Net, el cual está diseñado para observar dos exploraciones del mismo paciente a la vez: la imagen actual y la de la visita anterior. En lugar de tratar la nueva exploración como una imagen independiente, el sistema utiliza la exploración antigua y el dibujo médico previo de la próstata como guía. Esto permite que la computadora comprenda cómo ha evolucionado la anatomía a lo largo del tiempo, en lugar de simplemente adivinar basándose en un solo momento.

El núcleo de este nuevo sistema se basa en dos innovaciones específicas. Primero, utiliza un componente que actúa como un banco de memoria, tomando el dibujo médico antiguo y convirtiéndolo en un mapa compacto de la forma y el tamaño de la próstata. Este mapa sirve como un ancla anatómica, recordándole al sistema cómo debería verse la glándula para esa persona específica. Segundo, el sistema emplea una unidad de procesamiento especializada que compara la exploración actual con la anterior, buscando conexiones en toda la imagen. Esta unidad está diseñada para ser eficiente, permitiéndole rastrear relaciones de largo alcance dentro del volumen 3D de la próstata sin verse abrumada por la enorme cantidad de datos. Al combinar la memoria de la forma antigua con una comparación profunda de la nueva imagen, el sistema puede refinar sus límites, especialmente en áreas complicadas donde la próstata se encuentra con otros tejidos o donde la forma es irregular.

Para probar esta idea, los investigadores no dependieron de un conjunto perfecto de dibujos de expertos, que son poco comunes para estudios longitudinales. En su lugar, utilizaron un método de entrenamiento ingenioso. Comenzaron con un modelo de inteligencia artificial potente y preexistente para generar dibujos automáticos aproximativos para un gran conjunto de exploraciones de pacientes. Estos dibujos automatizados, aunque no son perfectos, sirvieron como punto de partida. El nuevo sistema aprendió entonces a corregir estos borradores utilizando el historial de las exploraciones del paciente. Los investigadores probaron su sistema en un conjunto de datos del mundo real de pacientes sometidos a vigilancia activa, un grupo que incluía casos difíciles, como hombres que habían pasado por cirugía de próstata o aquellos con mala calidad de imagen debido a implantes metálicos u otros factores.

Los resultados mostraron que este nuevo método superó significativamente a los modelos de vanguardia existentes. Incluso habiendo sido entrenado con un número relativamente pequeño de pacientes con etiquetas automatizadas imperfectas, el sistema produjo contornos más precisos de la próstata y sus zonas internas que los modelos que habían sido entrenados con conjuntos de datos mucho más grandes. Fue particularmente exitoso al mantener límites suaves y continuos, evitando los errores dentados o fragmentados que suelen afectar a otros sistemas. El sistema demostró ser robusto incluso cuando las etiquetas automatizadas de las que aprendió contenían errores, lo que sugiere que el uso del contexto histórico ayuda a la computadora a ignorar el ruido y concentrarse en la anatomía real.

El estudio también exploró qué tan bien podía el sistema manejar diferentes tipos de errores en los datos de entrenamiento. Encontraron que, si bien el sistema era resistente a cierto nivel de inexactitud, era más sensible a los errores en la capa externa de la próstata, una región delgada e irregular que es difícil de definir. Esto coincide con la dificultad que enfrentan los radiólogos al marcar esta zona específica. A pesar de esta sensibilidad, el sistema entregó consistentemente mejores resultados que sus competidores, demostrando que aprovechar la línea de tiempo de la atención de un paciente es una forma poderosa de mejorar el análisis de imágenes médicas.

Este trabajo sugiere un camino a seguir en la práctica clínica donde el tiempo de los expertos es limitado. Al utilizar la propia historia médica del paciente como guía, la inteligencia artificial puede aprender a segmentar órganos complejos con alta precisión, incluso cuando los datos de entrenamiento son imperfectos. Los investigadores señalan que, si bien su sistema es un paso adelante significativo, está diseñado para trabajar con pares de exploraciones, observando una visita a la vez en secuencia. Reconocen que, para un monitoreo a muy largo plazo, el sistema tendría que ser gestionado cuidadosamente para asegurar que los pequeños errores no se acumulen a lo largo de muchos años. No obstante, la capacidad de rastrear con precisión la próstata a través del tiempo sin requerir una biblioteca masiva de mapas dibujados a mano ofrece una herramienta prometedora para hacer que la vigilancia activa sea más eficiente y confiable para los pacientes.

Resumen Técnico: MambaX-Net para la segmentación longitudinal de RM de próstata

Planteamiento del problema
La Vigilancia Activa (VA) es un tratamiento estándar para el cáncer de próstata de riesgo bajo a intermedio, lo que requiere un seguimiento regular mediante RM seriadas para rastrear la progresión de la enfermedad. La segmentación precisa de la próstata completa (WP) y sus subregiones (zona periférica PZ, zona de transición TZ) es crítica para la estimación del volumen y la detección automatizada de lesiones. Sin embargo, los modelos de aprendizaje profundo existentes enfrentan dos limitaciones principales en este contexto:

Brecha de modelado longitudinal: La mayoría de los modelos de vanguardia (SOTA) se entrenan con datos de un único punto temporal. Tratan cada exploración de forma aislada, sin aprovechar la rica información temporal disponible en los protocolos de VA donde los pacientes se someten a múltiples exploraciones a lo largo del tiempo.
Escasez de anotaciones: Los conjuntos de datos longitudinales son escasos y costosos de anotar manualmente. Los enfoques semi-supervisados existentes a menudo luchan con el cambio de dominio entre los conjuntos de datos de pre-entrenamiento públicos y los datos clínicos privados de VA, o no logran manejar el ruido inherente a las pseudo-etiquetas generadas para las exploraciones longitudinales no etiquetadas.
Limitaciones arquitectónicas: Si bien los Transformers capturan el contexto de largo alcance, a menudo requieren grandes conjuntos de datos y luchan con los detalles finos. Por el contrario, las CNN (como nnU-Net) son robustas pero carecen de mecanismos explícitos para modelar la evolución temporal sin un registro de imagen rígido, el cual es poco fiable para la RM de próstata debido a las deformaciones no rígidas.

Metodología
Los autores proponen MambaX-Net, una novedosa arquitectura de segmentación 3D de doble entrada y semi-supervisada, diseñada específicamente para datos longitudinales. El modelo extiende el marco de trabajo 3D nnU-Net para procesar un par de exploraciones: la exploración actual en el tiempo $t$ ( $I_t$ ) y la exploración anterior en el tiempo $t-1$ ( $I_{t-1}$ ), junto con la máscara de segmentación del punto temporal anterior ( $M_{t-1}$ ).

Los componentes arquitectónicos clave incluyen:

Estructura de doble codificador: Dos codificadores con pesos compartidos procesan $I_t$ e $I_{t-1}$ . El codificador para $I_{t-1}$ se trunca para extraer únicamente los tres niveles de características superiores para equilibrar la eficiencia computacional con la preservación de los detalles espaciales de alta resolución.
Módulo de extracción de forma (SEM): Un bloque secuencial de capas convolucionales 3D que codifica la máscara de segmentación previa ( $M_{t-1}$ ) en una representación anatómica latente ( $f_{SEM}^{t-1}$ ). Esto sirve como un prior anatómico explícito, capturando la forma y el tamaño específicos del paciente sin requerir un registro de imagen explícito.
Módulo de atención cruzada mejorado con Mamba (M-CAM): Esta es la innovación central. Integra bloques Mamba (Modelos de Espacio de Estados) en un mecanismo de atención cruzada.
- Las características de la exploración actual ( $f_t$ ) actúan como consultas (queries).
- Las características de la exploración anterior ( $f_{t-1}$ ) combinadas con la salida del SEM ( $f_{SEM}^{t-1}$ ) actúan como claves (keys) y valores (values).
- Los bloques Mamba procesan estas incrustaciones para capturar eficientamente las dependencias espaciales y temporales de largo alcance con un escalado lineal, evitando la complejidad cuadrática de los Transformers.
- El módulo realiza un alineamiento de características implícito en el espacio latente, fusionando los datos de la imagen de la exploración actual con la guía estructural de la máscara anterior.
Marco de auto-entrenamiento: Para abordar la falta de anotaciones de expertos en conjuntos de datos longitudinales, los autores emplean una estrategia semi-supervisada. Un nnU-Net pre-entrenado en el conjunto de datos público PI-CAI genera pseudo-etiquetas para los datos de entrenamiento de VA no etiquetados. Estas pseudo-etiquetas se utilizan para ajustar (fine-tuning) MambaX-Net, utilizando la pseudo-etiqueta del punto temporal anterior como entrada y la pseudo-etiqueta del punto temporal actual para el cálculo de la pérdida.
Función de pérdida: Se utiliza una función de pérdida modificada Focal Tversky Dice Cross-Entropy (FT_DCE) para manejar el desequilibrio de clases y enfocarse en los ejemplos negativos difíciles, particularmente en el ápice y la base irregulares de la próstata.

Contribuciones clave

Primer segmentación longitudinal basada en Mamba: MambaX-Net es la primera arquitectura que modela conjuntamente la evolución de la RM longitudinal y el contexto de la máscara anatómica mediante un extractor de forma utilizando bloques Mamba.
Integración de módulos novedosos: La introducción de los módulos M-CAM y SEM permite que la atención global se fundamente en la geometría específica del paciente, refinando los límites de las zonas sin depender de un registro rígido.
Eficiencia de datos: El marco demuestra que se puede lograr una segmentación de alta calidad con un número limitado de anotaciones de expertos, aprovechando pseudo-etiquetas ruidosas y el contexto temporal, superando a los modelos entrenados con conjuntos de datos más grandes.

Resultados experimentales
El modelo fue evaluado en un conjunto de datos longitudinal de VA privado (317 pacientes) y comparado contra líneas de base SOTA (nnU-Net-V2, SwinUNETR-V2, SegMamba) y un modelo previo de doble exploración (DSM).

Desempeño: MambaX-Net superó significativamente a todas las líneas de base en el Coeficiente de Similitud de Dice (DSC) y la Distancia de Hausdorff del percentil 95 (HD95) en toda la WP, PZ y TZ, particularmente en regímenes de bajos datos ( $n \le 50$ pacientes para el ajuste fino).
Robustez: El modelo mantuvo un desempeño superior incluso cuando se entrenó con pseudo-etiquetas ruidosas, mientras que los modelos de una sola exploración (especialmente SwinUNETR) sufrieron una degradación severa.
Análisis cualitativo: Las visualizaciones mostraron que MambaX-Net produjo volúmenes 3D suaves y contiguos con una delimitación de bordes precisa, incluso en casos desafiantes que involucran anatomía post-quirúrgica (TURP) o artefactos de imagen, donde otros modelos exhibieron fuga de bordes o predicciones desarticuladas.
Eficiencia: A pesar de tener un gran número de parámetros (426.4M), MambaX-Net requiere menos memoria GPU pico (14.4 GB) y es más rápido (276.3 ms) que SwinUNETR (25.1 GB, 649.5 ms) debido al escalado lineal de los bloques Mamba, evitando los cuellos de botella de memoria cuadráticos de los Transformers.

Significado y afirmaciones
El artículo afirma que MambaX-Net ofrece un camino factible hacia la traslación clínica para el análisis longitudinal de la RM de próstata sin la necesidad de anotaciones manuales extensas o un registro de imagen explícito. Al combinar eficazmente la eficiencia de Mamba con la guía estructural de un extractor de forma, el modelo supera las limitaciones tanto de las CNN como de los Transformers al manejar datos temporales. Los autores enfatizan que la capacidad del modelo para aprovechar las pseudo-etiquetas manteniendo una alta precisión en entornos de datos escasos y ruidosos aborda un cuello de botella crítico para el despliegue de la IA en la Vigilancia Activa.

Los autores reconocen modestamente las limitaciones, señalando que el estudio se basa en un conjunto de datos de una sola institución y que el diseño de doble entrada procesa actualmente pares de puntos temporales en lugar de modelar tres o más simultáneamente. También señalan que el desempeño puede degradarse si las pseudo-etiquetas se vuelven altamente corruptas, afectando particularmente a la PZ, lo que sugiere un trabajo futuro en el auto-entrenamiento consciente de la incertidumbre.

Más como este