Generative Latent Representations of 3D Brain MRI for Multi-Task Downstream Analysis in Down Syndrome

Título: Representaciones Latentes Generativas de RMN Cerebral 3D para el Análisis Multitarea en Síndrome de Down

1. Problema y Motivación

El análisis de imágenes de resonancia magnética (RMN) cerebral 3D es fundamental para el diagnóstico de trastornos neurodesarrolladores y neurodegenerativos, como el Síndrome de Down (SD) y la enfermedad de Alzheimer (EA). Sin embargo, el análisis manual es lento y requiere expertos. Aunque el aprendizaje profundo supervisado ha tenido éxito, depende de grandes conjuntos de datos anotados, lo cual es difícil de obtener debido a problemas de privacidad, ética y el costo de la anotación manual. Además, los modelos supervisados suelen tener una generalización limitada más allá de sus etiquetas de entrenamiento.

Existe una necesidad crítica de explorar representaciones latentes aprendidas de forma no supervisada que capturen características neuroanatómicas significativas sin depender de etiquetas específicas para cada tarea, permitiendo su uso en múltiples aplicaciones downstream (reconstrucción, detección de anomalías, clasificación).

2. Metodología

El enfoque propuesto se basa en un pipeline de dos etapas que utiliza Autoencoders Variacionales (VAE):

• Aprendizaje de Representaciones Latentes (Etapa 1):

  • Se entrenan múltiples VAEs de forma no supervisada para codificar volúmenes de RMN cerebral 3D en espacios latentes compactos.
  • Arquitectura: Se utilizan tres configuraciones con diferentes dimensiones latentes para evaluar el compromiso entre compresión y fidelidad: $3\times3\times3$, $12\times12\times12$ y $24\times24\times24$. La arquitectura emplea convoluciones 3D, bloques residuales y normalización por grupos.
  • Función de Pérdida: Se optimiza una combinación de:
    • Pérdida de reconstrucción ($L_{rec}$, pérdida L1).
    • Pérdida perceptual ($L_{perc}$) para diferencias semánticas de alto nivel.
    • Objetivo adversario basado en parches ($L_{adv}$) para realismo local.
    • Divergencia KL ($L_{KL}$) para regularizar la distribución del espacio latente.
  • Datos de Entrenamiento: 1.693 escaneos de sujetos eucromos (EU) de conjuntos de datos públicos (HCP e IXI).

• Clasificación Diagnóstica (Etapa 2):

  • Las representaciones latentes aprendidas (sin reentrenar el VAE) se utilizan como entrada para clasificadores supervisados.
  • Tareas:
    1. EU vs. SD: Clasificación binaria entre sujetos eucromos y con Síndrome de Down.
    2. Progresión de Alzheimer en SD: Clasificación binaria (sin EA vs. con EA) y multiclase (Sin deterioro, EA prodromal, EA establecida).
    3. Nivel de Discapacidad Intelectual (DI) en SD: Clasificación binaria (DI leve vs. DI moderada/severa).
  • Datos de Prueba: Se utilizan datos de la Unidad de Memoria del Hospital Sant Pau (SPMU) y un conjunto externo del estudio ABC-DS para validar la generalización.
  • Estrategia de Pérdida: Se emplea una combinación de pérdida de entropía cruzada ponderada y focal loss para mitigar el desequilibrio de clases.

3. Contribuciones Clave

1. Adaptabilidad de VAEs: Demostración de que una sola arquitectura de VAE puede generar representaciones latentes versátiles que soportan tareas diversas (reconstrucción, extracción de características, clasificación) sin modificaciones específicas para la tarea.
2. Extracción de Características Puramente Neuroanatómicas: Las representaciones se derivan exclusivamente de datos de RMN cerebral, asegurando que las señales de clasificación provienen de información anatómica real y no de influencias auxiliares o confusas.
3. Codificación de Diferencias Biológicas: Evidencia de que el espacio latente codifica diferencias biológicamente significativas, logrando un rendimiento excepcional en la distinción entre sujetos con SD y controles, incluso con alta compresión de datos.

4. Resultados

• Calidad de Reconstrucción:

  • Los espacios latentes más grandes ($24\times24\times24$) lograron una fidelidad casi perfecta (SSIM ~0.99), preservando detalles anatómicos finos.
  • Las configuraciones más compactas ($3\times3\times3$) mostraron una degradación en detalles finos (suavizado), pero mantuvieron la estructura global.
  • La fidelidad de reconstrucción disminuyó más drásticamente en datos no vistos (SD), lo que sugiere su utilidad para la detección de anomalías.

• Visualización del Espacio Latente (PCA):

  • La proyección PCA mostró agrupaciones claras, separando visualmente a los sujetos con SD de los controles eucromos, confirmando que el modelo aprende características discriminativas relevantes.

• Rendimiento en Clasificación:

  • EU vs. SD: Rendimiento casi perfecto en todas las configuraciones latentes.
    • Precisión: >97% (hasta 99.6%).
    • AUC: >0.99.
    • Generalización: El modelo entrenado en SPMU logró >99% de precisión al probarse en el conjunto de datos externo ABC-DS, demostrando una robustez excepcional.
  • Alzheimer en SD:
    • Clasificación binaria (Sin EA vs. Con EA): Precisión ~83% y AUC ~0.90.
    • Clasificación multiclase (3 etapas): El modelo identificó bien los casos sin EA y con EA avanzada, pero tuvo dificultades con la etapa prodromal (baja sensibilidad), probablemente debido al tamaño de la muestra y la heterogeneidad de la enfermedad temprana.
  • Discapacidad Intelectual (DI):
    • Alta sensibilidad (>94%) para detectar casos leves, pero menor especificidad (tendencia a clasificar moderados/severos como leves). El espacio latente más compacto ($3\times3\times3$) ofreció un equilibrio más equilibrado entre sensibilidad y especificidad.

5. Significado e Impacto

Este trabajo valida el potencial de los modelos generativos no supervisados para el análisis de neuroimagen clínica. Las principales implicaciones son:

• Eficiencia y Generalización: Las representaciones latentes aprendidas son robustas y generalizan bien a cohortes externas, lo que es crucial para aplicaciones clínicas reales donde los datos pueden variar.
• Herramienta de Diagnóstico: La capacidad de distinguir entre SD y controles, y de detectar signos de Alzheimer en pacientes con SD, sugiere que estas representaciones pueden servir como módulos de extracción de características eficientes para sistemas de apoyo a la decisión clínica.
• Detección de Anomalías: La diferencia en la fidelidad de reconstrucción entre poblaciones entrenadas y no entrenadas abre la puerta al uso de estos modelos para la detección automática de anomalías o cambios patológicos sutiles.
• Futuro: Aunque persisten desafíos en la detección de etapas prodromales y el desequilibrio de clases, el estudio establece una base sólida para futuras investigaciones en predicción de edad cerebral, generación de datos sintéticos y aplicación a otros trastornos neurodegenerativos.