Improving Pre-trained Adult Glioma Segmentation Models Using only Post-processing Techniques

Resumen Técnico: Mejora de modelos preentrenados de segmentación de glioma en adultos utilizando únicamente técnicas de postprocesamiento

Planteamiento del problema
La segmentación precisa de la resonancia magnética multiparamétrica (mpMRI) de gliomas en adultos es crítica para la planificación quirúrgica, la radioterapia y el seguimiento de la enfermedad. Aunque los modelos de aprendizaje profundo, particularmente aquellos basados en el marco de trabajo nnU-Net, han alcanzado un rendimiento de vanguardia, los modelos preentrenados a gran escala suelen exhibir errores residuales sistemáticos. Estos incluyen islas de falsos positivos, intercambios de etiquetas y discontinuidades de corteza. Además, la dependencia de preentrenamientos a gran escala y de métodos de ensamble crea barreras significativas: requiere un acceso desigual a recursos de GPU costosos e incurre en un alto costo ambiental. Los autores argumentan que el campo ha alcanzado un punto de rendimientos decrecientes con respecto a la complejidad de la arquitectura del modelo, lo que hace necesario un cambio hacia estrategias más eficientes y conscientes de los recursos.

Metodología
El artículo propone un flujo de trabajo de postprocesamiento adaptativo por muestra aplicado a modelos de segmentación preentrenados a gran escala existentes (específicamente ensambles de ganadores previos de BraTS). El flujo de trabajo opera enteramente en CPUs y consta de tres etapas:

1. Extracción de características radiómicas y agrupamiento (Clustering):

   • El sistema extrae 386 características radiómicas (14 descriptores de forma y 93 descriptores de intensidad/textura por secuencia) de las máscaras de tumor completo (WT) predichas utilizando PyRadiomics a través de cuatro secuencias de MRI (T1, T1CE, T2, T2-FLAIR).
   • El Análisis de Componentes Principales (PCA) reduce la dimensionalidad, reteniendo los componentes que explican el 90% de la varianza.
   • Los casos se particionan en grupos mediante el agrupamiento K-means basado en sus firmas radiómicas. Los nuevos casos se asignan al grupo más cercano durante el tiempo de prueba.

2. Umbralización para la eliminación de componentes pequeños (pcc):

   • Dentro de cada grupo, una búsqueda de cuadrícula (grid search) determina el umbral de tamaño mínimo óptimo para cada etiqueta (Núcleo Tumoral No Enhancing [NETC], Hiperintensidad de FLAIR No Enhancing Circundante [SNFH], Tumor Enhancing [ET] y Cavidad de Resección [RC]).
   • Este paso elimina pequeñas "islas" desconectadas de ruido que inflan los recuentos de falsos positivos, adaptándose específicamente a las características de cada grupo radiómico.

3. Umbralización para la redefinición de etiquetas (lblredef):

   • Para abordar los intercambios sistemáticos de etiquetas (por ejemplo, vóxeles de ET mal clasificados como NETC), el método analiza las matrices de confusión de las predicciones validadas cruzadamente.
   • Para los pares de etiquetas frecuentemente intercambiados, el sistema calcula la relación del volumen de la etiqueta específica con el volumen del Tumor Completo (WT).
   • Se identifica un punto de corte específico para cada grupo mediante una búsqueda de cuadrícula para minimizar la métrica de clasificación. Si la relación etiqueta-WT de un nuevo caso cae por debajo de este punto de corte, los vóxeles se reetiquetan a la clase anatómicamente más plausible.

Contribuciones clave

• Optimización eficiente de recursos: Los autores demuestran que se pueden lograr mejoras significativas en el rendimiento sin entrenamiento adicional de GPU o rearquitectura de modelos. Todo el flujo de trabajo se ejecuta en CPUs de consumo, abordando la disparidad en el acceso a GPU entre regiones de ingresos altos y regiones de ingresos medios/bajos.
• Refinamiento adaptativo basado en datos: A diferencia de las reglas de postprocesamiento fijas, el método propuesto adapta los umbrales basándose en la firma radiómica de casos individuales, lo que permite una corrección más precisa de los errores sistemáticos.
• Implementación de código abierto: El flujo de trabajo completo se libera como contenedores Docker y una aplicación web para garantizar la reproducibilidad y la facilidad de despliegue para investigadores y clínicos.

Resultados
Los métodos fueron evaluados en las tareas del desafío de segmentación BraTS 2025 para Glioma de Adultos (GLI) y pacientes del África Subsahariana (SSA).

• Tarea GLI (Conjunto de validación): El flujo de trabajo de postprocesamiento mejoró la métrica de clasificación general en un 0.9% (de 1.137 a 1.127). Las mejoras específicas incluyeron un ligero aumento en las puntuaciones Dice para NETC (0.756 a 0.757) y SNFH (0.823 a 0.824), y una mejora en el NSD para RC.
• Tarea SSA (Conjunto de validación): El enfoque produjo una mejora sustancial del 14.9% en la métrica de clasificación (de 1.729 a 1.471). Aunque las puntuaciones Dice permanecieron mayormente sin cambios, la reducción en la métrica de clasificación indica una reducción significativa de errores atípicos severos, probablemente debido a la corrección de falsos positivos comunes en las adquisiciones de datos de menor calidad de SSA.
• Rendimiento del conjunto de prueba: Las entregas finales utilizando el flujo completo (SM + pcc + lblredef) lograron resultados sólidos en los conjuntos de prueba ocultos, con puntuaciones Dice de GLI de 0.813 (ET), 0.813 (TC) y 0.882 (WT), y puntuaciones Dice de SSA de 0.900 (ET), 0.912 (TC) y 0.934 (WT).
• Costo computacional: El flujo de trabajo de postprocesamiento requirió 0 horas de GPU, en contraste con las 401 horas de GPU (GLI) y 168 horas de GPU (SSA) requeridas para entrenar los modelos de ensamble base.

Significancia y afirmaciones
El artículo afirma que la saturación de las ganancias de rendimiento en las arquitecturas de modelos preentrenados a gran escala, combinada con los costos ambientales y socioeconómicos del entrenamiento intensivo de GPU, hace necesario un cambio de paradigma. Los autores abogan por mover el enfoque de la investigación de "estructuras cada vez más profundas" hacia "estrategias de postprocesamiento más inteligentes, verdes y clínicamente alineadas".

Los autores señalan modestamente que, si bien la métrica de clasificación mejoró, las ganancias para la tarea GLI fueron marginales, lo que sugiere que los modelos base están cerca del techo de la tarea para ese grupo de pacientes. Sin embargo, la mejora significativa en la tarea SSA resalta la utilidad del postprocesamiento adaptativo para manejar la heterogeneidad de los datos y los problemas de calidad de adquisición. El artículo concluye que tales enfoques promueven la "equidad computacional" y la sostenibilidad, permitiendo una participación más amplia en los desafíos de IA médica sin comprometer la precisión.