Radiomics-Integrated Deep Learning with Hierarchical Loss for Osteosarcoma Histology Classification

Resumen Técnico: Aprendizaje Profundo Integrado con Radiómica con Pérdida Jerárquica para la Clasificación de la Histología del Osteosarcoma

Planteamiento del Problema
El osteosarcoma (OS) es una neoplasia ósea primaria agresiva donde la evaluación histopatológica precisa de las regiones de tumor viables frente a las no viables tras la quimioterapia neoadyuvante es crítica para el pronóstico y la planificación del tratamiento. La evaluación manual de las laminillas histopatológicas es laboriosa, subjetiva y propensa a la variabilidad interobservador. Aunque enfoques recientes de aprendizaje profundo han intentado automatizar la cuantificación de la necrosis, estudios previos reportaron a menudo una generalización a nivel de tesela (tile) que no se sostenía bajo pruebas a nivel de paciente. Esta discrepancia surge de la fuga de datos causada por divisiones aleatorias a nivel de tesela (donde múltiples teselas del mismo paciente aparecen tanto en el entrenamiento como en el test) y del fallo de los modelos multiclasificación "planos" para considerar la jerarquía clínica de la enfermedad. Específicamente, la clasificación estándar de tres clases (no tumor, tumor no viable, tumor viable) a menudo pasa por alto la distinción de la significancia clínica de estos subtipos y las prevalencias de clase variables inherentes a la enfermedad.

Metodología
Los autores proponen un marco de aprendizaje jerárquico multimodal diseñado para alinear la arquitectura del modelo con el razonamiento clínico. La metodología consta de tres componentes principales:

1. Fusión de Características Multimodales: El marco integra características de imagen de aprendizaje profundo con descriptores radiómicos artesanales.

   • Un codificador de imágenes ($f_{img}$) procesa teselas de histología RGB, mientras que un codificador radiómico ($f_{rad}$) procesa un vector de 29 características de primer orden y de forma 2D extraídas mediante la biblioteca PyRadiomics.
   • Estas modalidades se fusionan utilizando un mecanismo de compuerta de atención adaptativa. Una compuerta softmax calcula los pesos de atención ($\alpha_{img}, \alpha_{rad}$) para crear una combinación ponderada de las incrustaciones (embeddings) de imagen y radiómica, permitiendo al modelo priorizar dinámicamente la modalidad más informativa para una muestra dada.

2. Formulación de Tarea Jerárquica: En lugar de una clasificación de tres clases plana, el problema se descompone en dos tareas binarias relacionadas:

   • Tarea A (Gruesa): Distinguir entre No tumor vs. Tumor (viable + no viable).
   • ** Tarea B (Fina):** Distinguir entre No viable vs. Tumor viable (aplicada solo a muestras identificadas como tumor en la Tarea A).
   • La distribución de probabilidad final de tres vías se deriva multiplicando las probabilidades de las dos tareas binarias, asegurando que la salida respete la jerarquía patológica.

3. Pérdida Jerárquica Ponderada por Incertidumbre: Para optimizar ambas tareas simultáneamente, los autores emplean un marco de ponderación de incertidumbre homocedástica (Kendall et al.).

   • Parámetros escalares aprendibles ($\lambda_A, \lambda_B$) representan la log-varianza (incertidumbre) de cada tarea.
   • La función objetivo conjunta combina las pérdidas de entropía cruzada ponderadas de ambas tareas, donde las tareas con mayor incertidumbre aprendida reciben pesos efectivos menores. Esto permite al modelo equilibrar adaptativamente la señal de aprendizaje entre las tareas de clasificación gruesa y fina sin necesidad de ajuste manual de hiperparámetros.

Contribuciones Clave

• Generalización a Nivel de Paciente: El estudio aborda la fuga de datos empleando una división estricta a nivel de paciente para el entrenamiento y el test, proporcionando una evaluación más realista de la generalización del modelo en comparación con las divisiones aleatorias previas a nivel de tesela.
• Integración Multimodal: El trabajo demuestra que la incorporación de características radiómicas artesanales (específicamente descriptores de forma e intensidad) como entrada adicional mejora significativamente el rendimiento de la clasificación y añade interpretabilidad, incluso cuando se derivan de las mismas imágenes utilizadas para el aprendizaje profundo.
• Optimización de Pérdida Jerárquica: El artículo introduce una función de pérdida estructurada de dos cabezales con ponderación de incertidumbre entrenable. Este enfoque supera a los baselines de multiclasificación plana al modelar explícitamente la dependencia entre la presencia de tumor y la viabilidad.

Resultados Experimentales
El marco fue evaluado en el conjunto de datos de Evaluación de Tumores de Osteosarcoma de la TCIA, que comprende 1,144 teselas teñidas con H&E de 1995–2015, anotadas en las categorías de No tumor, Tumor no viable y Tumor viable.

• Rendimiento: La configuración propuesta (backbone InceptionV3 + Pérdida Jerárquica + Radiómica) alcanzó un rendimiento de estado del arte en este conjunto de datos.
  • Precisión Global (Accuracy): 0.86 ± 0.01 (comparado con 0.73 para el baseline de 3 clases de InceptionV3).
  • Macro-F1: 0.86 ± 0.01.
  • OvR AUC: 0.96 ± 0.00.
• Estudios de Ablación:
  • Añadir características radiómicas a un InceptionV3 estándar mejoró el Macro-F1 de 0.74 a 0.80.
  • Añadir pérdida jerárquica a InceptionV3 mejoró el Macro-F1 de 0.73 a 0.75.
  • La combinación de ambos produjo las mayores ganancias.
• Mejoras por Clase: El modelo completo mejoró significativamente el reconocimiento de la clase desafiante de "Tumor no viable". La sensibilidad a una especificidad del 90% (Sen@Spe90) para tumores no viables aumentó de 0.69 (baseline) a 0.83. El modelo también mantuvo un alto rendimiento para No tumor (Sen@Spe90 0.92) y Tumor viable (Sen@Spe90 0.95).

Significancia y Reivindicaciones
Los autores afirman que su trabajo establece un nuevo referente de estado del arte para la clasificación de la histología del osteosarcoma en el conjunto de datos abierto de la TCIA. Argumentan que la integración de la radiómica proporciona interpretabilidad intrínseca a través de descriptores de forma explícitos, complementando las representaciones implícitas de las redes profundas. Además, la formulación jerárquica respalda un razonamiento clínicamente significativo al alinear el proceso de decisión del modelo con la progresión de la viabilidad tumoral. El estudio concluye que combinar la supervisión jerárquica con la fusión multimodal es esencial para mejorar la discriminación en todos los tipos de tejido clínicamente relevantes, particularmente para el subtipo de tumor no viable, que es difícil de clasificar. El código y los modelos entrenados se ponen a disposición de la comunidad.