CT-IDP: Segmentation-Derived Quantitative Phenotypes for Interpretable Abdominal CT Disease Classification

Resumen Técnico: CT-IDP – Fenotipos Cuantitativos Derivados de la Segmentación para la Clasificación de Enfermedades Abdominales en TC Interpretable

Planteamiento del Problema
El creciente volumen de tomografías computarizadas (TC) abdominales exige métodos robustos y automatizados de diagnóstico asistido por computadora que generalicen a través de diversos escáneres, protocolos e instituciones. Si bien los modelos de aprendizaje profundo (CNN, transformadores de visión y modelos visión-idioma) han logrado un rendimiento sólido en benchmarks, a menudo dependen del "aprendizaje por atajos", priorizando características de apariencia dominadas por la textura sobre manifestaciones cuantitativas estables de la enfermedad. Esta limitación es particularmente crítica para hallazgos radiológicos definidos por anatomía medible, como el tamaño de los órganos, el calibre de los vasos, la atenuación tisular o la carga calcificada, donde la expresión de la enfermedad es cuantitativa y no puramente textural. Además, los enfoques tradicionales de radiómica suelen estar centrados en la lesión y son sensibles a los núcleos de reconstrucción y al ruido, careciendo de un marco unificado para su aplicación transversal entre enfermedades.

Metodología
Los autores proponen CT-IDP (Fenotipos Derivados de Imágenes de TC), un marco que operacionaliza una formulación centrada en la anatomía para la clasificación multietiqueta de TC abdominales. La metodología se desarrolla en cuatro etapas clave:

1. Segmentación y Extracción de Descriptores:

   • Se generan segmentaciones multiorgánicas utilizando TotalSegmentator y se mapean a la cuadrícula nativa de la imagen de TC.
   • Se calculan más de 900 descriptores a nivel de órgano y compartimento en el espacio de imagen nativo utilizando metadatos de espaciado de vóxeles para garantizar unidades físicas.
   • Estos descriptores se categorizan en tres familias:
     • Morfometría: Volumen, diámetro, área superficial y relaciones de forma.
     • Atenuación: Resúmenes de HU de primer orden, contrastes interorgánicos y estimaciones de carga.
     • Contextual/Carga: Ocupación normalizada por cavidad y relaciones compuestas.

2. Modelado Específico de Enfermedad Escaso:

   • En lugar de una única red profunda de extremo a extremo, se entrena un modelo separado de regresión logística escasa para cada hallazgo objetivo utilizando un regularizador elastic-net.
   • Los descriptores se seleccionan mediante validación cruzada estratificada de 5 pliegues en el conjunto de desarrollo MERLIN. Los descriptores altamente correlacionados se filtran y los valores faltantes se imputan utilizando estadísticas de resumen del conjunto de datos.
   • La especificación final del modelo (descriptores, reglas de imputación, parámetros de escalado y coeficientes) se "bloquea" y se aplica de manera idéntica a conjuntos de datos externos sin reentrenamiento.

3. Evaluación Comparativa (Benchmarking):

   • CT-IDP se compara con una línea base de transformador de visión (ViT) basado en DINOv3.
   • La línea base ViT se entrena con los mismos datos de desarrollo MERLIN, utilizando recorte de intensidad, remuestreo y un esquema de codificación de tres cortes para agregar incrustaciones a nivel de corte en predicciones a nivel de estudio.

4. Estrategia de Evaluación:

   • Conjuntos de Datos: Desarrollo en el benchmark público MERLIN (15.175 estudios de entrenamiento, 5.018 de validación, 5.082 de prueba). Validación externa en un conjunto de datos institucional privado (n=2.000) y en el conjunto de datos público AMOS (n=1.107).
   • Etiquetas: Las etiquetas a nivel de estudio se derivan de informes radiológicos (utilizando NLP asistido por LLM para el conjunto de datos privado) y se mapean a la biblioteca de fenotipos.
   • Métricas: AUC macro y Precisión Promedio (AP) con intervalos de confianza del 95% mediante bootstrap.

Resultados Clave

• Rendimiento General: CT-IDP superó a la línea base DINOv3 en los tres conjuntos de datos en AUC macro y AP macro.
  • MERLIN: AUC de CT-IDP 0.897 vs. ViT 0.880.
  • Institucional Privado: AUC de CT-IDP 0.877 vs. ViT 0.857.
  • AMOS: AUC de CT-IDP 0.780 vs. ViT 0.756.
• Rendimiento Específico por Régimen:
  • Superioridad de CT-IDP: El modelo cuantitativo demostró ganancias significativas en hallazgos definidos por anatomía medible o atenuación, incluyendo colelitiasis (+0.111 a +0.255 ΔAUC), esteatosis hepática (+0.157), aneurisma de la aorta abdominal (AAA) y esplenomegalia.
  • Superioridad de ViT: El transformador de visión superó a CT-IDP en hallazgos dependientes de patrones espaciales, distribución de fluidos en compartimentos o configuración intestinal, como aire libre, obstrucción intestinal y ascitis.
  • Límites de Observabilidad: El análisis de rendimiento reveló que la discriminación de CT-IDP disminuye bruscamente para lesiones subumbrales o no calcificadas (por ejemplo, cálculos biliares no calcificados, quistes renales pequeños) donde la anomalía cae por debajo de la resolución de los descriptores derivados de la segmentación. En estos regímenes, el ViT mantuvo una discriminación residual moderada basada en indicios de apariencia local.
• Interpretabilidad: Los modelos escasos proporcionaron reglas de predicción explícitas y auditables. La inspección de coeficientes confirmó que las reglas de decisión se alineaban con umbrales clínicos (por ejemplo, la probabilidad aumenta con el diámetro aórtico y disminuye con la diferencia de atenuación hígado-bazo). Los fallos eran mecánicamente inspeccionables, a menudo rastreables a limitaciones específicas de descriptores o problemas de procedencia de etiquetas (por ejemplo, la co-etiquetación impulsada por NLP de hepatomegalia y esteatosis).

Significado y Afirmaciones
El artículo postula que CT-IDP define un régimen operativo distinto y complementario a las representaciones de imagen aprendidas:

• Robustez Fundada en la Medición: Para enfermedades expresadas a través de anatomía medible (tamaño, atenuación, carga), los modelos construidos directamente sobre estas mediciones son más robustos a los desplazamientos de conjuntos de datos y más interpretables que las incrustaciones basadas en apariencia.
• Interpretabilidad por Diseño: A diferencia de los métodos de explicabilidad a posteriori, la interpretabilidad de CT-IDP es intrínseca; cada predicción es una función escasa de mediciones anatómicas nombradas, lo que permite a los clínicos inspeccionar, cuestionar o auditar reglas de decisión específicas.
• Análisis de Fallos: El marco facilita la disección de mecanismos de fallo. Por ejemplo, el artículo identifica que las brechas de rendimiento externo en hepatomegalia probablemente fueron impulsadas por etiquetas de entrenamiento derivadas de NLP que confundían hepatomegalia con esteatosis, un matiz revelado mediante la inspección de coeficientes.
• Dirección Futura: Los autores sugieren un enfoque híbrido como el siguiente paso natural, combinando mediciones explícitas de CT-IDP con incrustaciones visuales conscientes de la anatomía, utilizando cada una en su régimen respectivo (definido por medición vs. definido por patrón espacial).

Limitaciones Reconocidas
El estudio señala que la fidelidad de los descriptores depende de la calidad de la segmentación, particularmente para lesiones pequeñas. El uso de etiquetas derivadas de informes comprime enfermedades radiológicamente heterogéneas en estados binarios, lo que podría oscurecer regímenes operativos. Además, la falta de metadatos de fase de contraste por estudio en conjuntos de datos externos limitó la capacidad de aislar la variación del protocolo como una causa específica de degradación del rendimiento. El enfoque de regresión logística escasa, aunque transparente, puede subrepresentar interacciones no lineales complejas.