Optimizing In Vivo Oral Lesion Classification from Electrical Impedance Spectroscopy Using Data-driven Approaches

Resumen Técnico: Optimización de la Clasificación de Lesiones Orales In Vivo mediante Espectroscopía de Impedancia Eléctrica Utilizando Enfoques Basados en Datos

Enunciado del Problema
El carcinoma de células escamosas oral (CCEO) representa una carga significativa para la salud global, donde el diagnóstico en etapas avanzadas se correlaciona con una mayor mortalidad y morbilidad. Si bien la detección temprana mejora drásticamente las tasas de supervivencia a cinco años (de ~58% a ~89%), el cribado actual de primera línea depende de biopsias invasivas y histopatología, las cuales sufren de variabilidad interobservador en la gradación de la displasia y de accesibilidad limitada en entornos de atención primaria. La Espectroscopía de Impedancia Eléctrica (EIE) ofrece una alternativa no invasiva capaz de caracterizar la arquitectura tisular. Sin embargo, la adopción clínica se ve obstaculizada por dos barreras: (1) la dificultad para distinguir de manera fiable las lesiones de alto riesgo (CCEO y displasia de alto grado) de las lesiones de bajo riesgo (tejido sano o benigno) utilizando datos complejos y de alta dimensionalidad, y (2) la falta de resultados interpretables y accionables para clínicos no especialistas. Los estudios existentes suelen utilizar tamaños de muestra pequeños o análisis basados en una sola frecuencia/umbral que no aprovechan la rica información contenida en conjuntos de datos de múltiples electrodos y múltiples frecuencias.

Metodología
El estudio presenta una tubería de aprendizaje automático (AA) diseñada para optimizar la clasificación de la patología oral in vivo utilizando datos de un dispositivo portátil de EIE de 32 canales.

• Adquisición de Datos: Se recopilaron mediciones de impedancia de 104 pacientes (276 sitios de muestra independientes) sometidos a resección o biopsia de cáncer oral. El dispositivo utilizó una cuadrícula de 5×5 de electrodos de detección de voltaje rodeada por ocho electrodos de inyección de corriente, generando 7.728 permutaciones únicas de inyección de corriente/medición de voltaje (ICMV) a través de 31 frecuencias espaciadas logarítmicamente (de 100 Hz a 100 kHz).
• Preprocesamiento: Los datos fueron sometidos a filtrado basado en voltaje e impedancia para eliminar artefactos. Se aplicó un umbral de completitud ($C_{th} = 60\%$) para garantizar la calidad de los datos, resultando en 256 muestras viables. Se aplicó una normalización de puntuación Z por frecuencia para evitar el sesgo hacia características de gran magnitud.
• Tareas de Clasificación: Se evaluaron tres tareas:
  1. Binaria: Sano vs. Cáncer.
  2. Multiclase: Cáncer, Displasia de alto grado y No maligno.
  3. Multiclase: Sano, Cáncer, Displasia de alto grado y No maligno.
• Reducción de Dimensionalidad y Optimización:
  • Reducción de Frecuencias: Se utilizó el Análisis de Componentes Principales (ACP) para clasificar las frecuencias según su contribución a la separación de clases.
  • Reducción de Patrones ICMV: Se probaron trece máscaras basadas en la geometría (por ejemplo, "Saltar1 lejos", "Opuesto medio") y un método de umbral z para identificar configuraciones de electrodos informativas.
  • Selección de Modelo: Se entrenaron Máquinas de Vectores de Soporte (SVM), Bosques Aleatorios (RF) y Regresión Logística (RL). Los hiperparámetros se ajustaron mediante búsqueda en cuadrícula.
• Validación: Se empleó una estrategia de validación cruzada de un paciente fuera del grupo (LOPGO-CV) para garantizar la robustez y prevenir la fuga de datos, asegurando que los modelos se probaran en pacientes no vistos.

Contribuciones Clave

1. Reducción Sistemática de Dimensionalidad: El estudio demuestra que la dimensionalidad de entrada puede reducirse hasta un 99% (de ~239.000 características a <1.800) sin sacrificar, y a menudo mejorando, la precisión diagnóstica.
2. Selección de Características Optimizada: La tubería identifica subconjuntos específicos de frecuencias y patrones ICMV que contienen la mayor información diagnóstica. Por ejemplo, los patrones ICMV "Saltar1 lejos" y "Opuesto medio" fueron consistentemente los de mejor rendimiento.
3. Marco Clínico Interpretable: Al utilizar modelos clásicos de AA (SVM, RF, RL) en lugar de aprendizaje profundo, el estudio prioriza la eficiencia computacional y la interpretabilidad, proporcionando resultados adecuados para la toma de decisiones clínicas en tiempo real.
4. Validación Robusta: El uso de una validación cruzada rigurosa a nivel de paciente aborda las limitaciones de estudios anteriores que pudieron haber sufrido de fuga de datos o tamaños de muestra pequeños.

Resultados

• Clasificación Binaria (Tarea 1): Un modelo de Regresión Logística logró la mayor precisión del 80% con un Área bajo la Curva (AUC) de 0,90. Esto se logró utilizando solo las 8 frecuencias mejor clasificadas y el conjunto de patrones ICMV "Saltar1 lejos" (1.792 parámetros de entrada, <1% de la línea base).
• Clasificación Multiclase:
  • Tarea 2 (Tipo de Lesión): El mejor modelo (RL) logró un AUC de 0,82.
  • Tarea 3 (Patología Completa): El mejor modelo (RF) logró un AUC de 0,83.
• Rendimiento vs. Línea Base: Los modelos optimizados que utilizan conjuntos de características reducidos generalmente igualaron o superaron a los modelos de línea base entrenados en el conjunto de datos completo. Por ejemplo, en la Tarea 1, el modelo reducido mejoró el AUC de 0,88 (SVM de línea base) a 0,90.
• Eficiencia: La reducción del número de frecuencias de 31 a 5 (los de mejor rendimiento) redujo el tiempo de adquisición de datos de 8 segundos a 4 segundos por medición. La reducción en la dimensionalidad de entrada disminuyó significativamente los costos computacionales para las SVM, permitiendo tiempos de predicción más rápidos (~0,01 s por predicción).

Significado y Afirmaciones
El artículo afirma que este trabajo avanza la detección de cáncer basada en EIE al proporcionar un marco robusto, computacionalmente eficiente y clínicamente práctico.

• Superación de Barreras: La metodología aborda directamente las barreras para la adopción clínica al permitir una discriminación fiable entre lesiones de alto y bajo riesgo y proporcionar resultados interpretables para los clínicos.
• Generalizabilidad: Los autores afirman que la metodología es fácilmente generalizable a otros dispositivos y aplicaciones de EIE.
• Limitaciones Modestas: El artículo reconoce que el rendimiento de la clasificación para lesiones intermedias (displasia de alto grado y no malignas) sigue siendo inferior al de la detección binaria de cáncer, destacando la necesidad de conjuntos de datos más grandes con más muestras no cancerosas. Se señala explícitamente que no se utilizaron modelos de aprendizaje profundo (CNN) debido al riesgo de sobreajuste dado la relación entre características y muestras, y que el análisis actual es offline, aunque se considera factible una implementación en tiempo real.
• Impacto Clínico: El estudio concluye que los dispositivos de EIE optimizados y rentables que utilizan esta tubería podrían proporcionar un diagnóstico y vigilancia rápidos y no invasivos del cáncer oral, apoyando decisiones de derivación o biopsia confiables en entornos de odontología y atención primaria.