Acquisition state behaves as a structured, measurable variable governing lung-nodule AI: kernel-driven measurement instability and noise-driven detection fragility, invisible to DICOM metadata

Resumen Técnico: El estado de adquisición como una variable estructurada y medible en la IA de nódulos pulmonares

Planteamiento del problema
Los marcos de gobernanza actuales para la IA de imágenes médicas, como el parámetro de práctica ACR–SIIM 2026 y el registro ACR Assess-AI, se centran principalmente en métricas de salida (concordancia entre la IA y el informe) y metadatos DICOM. Estos programas asumen que si la salida cambia, la causa puede inferirse de los campos de cabecera o de la demografía del paciente. Sin embargo, este enfoque no aborda una brecha crítica: si los estudios entrantes permanecen dentro del sobre de adquisición (acquisition envelope) específico bajo el cual se validó el modelo.

El problema central es que el estado de adquisición (por ejemplo, el núcleo de reconstrucción, la dosis, el espesor de corte) a menudo no es recuperable totalmente desde los metadatos DICOM. Los descriptores de cabecera idénticos (por ejemplo, "STANDARD" para la etiqueta ConvolutionKernel) pueden ocultar reconstrucciones de imagen muy diferentes (por ejemplo, retroproyección filtrada frente a reconstrucción iterativa). En consecuencia, los sistemas de monitoreo pueden detectar una deriva en el rendimiento, pero no pueden atribuirla a cambios en la adquisición frente a cambios en la casuística, ni pueden distinguir entre diferentes tipos de modos de falla (error de medición frente a falla de detección).

Metodología
El estudio utilizó un modelo MONAI RetinaNet congelado (entrenado en LUNA16) para evaluar la detección y medición de nódulos pulmonares a través de tres configuraciones experimentales:

1. Pares de núcleos del mundo real (NLST): Los autores analizaron 155 nódulos emparejados del National Lung Screening Trial (NLST), comparando reconstrucciones de núcleo suave (B30f) y núcleo agudo (B80f) de las mismas adquisiciones originales. Midieron cambios en el diámetro reportado por la IA, la confianza de detección y los "cruces de categoría de tamaño de Fleischner" (donde un cambio de tamaño altera las recomendaciones de seguimiento clínico). Se utilizó una cohorte ampliada de 367 nódulos para el análisis estratificado.
2. Perturbaciones de eje único controladas (LIDC-IDRI): Utilizando un motor de degradación guiado por la física, los autores aplicaron perturbaciones aisladas a las exploraciones de base:
   • Eje de Ruido: Reducción de dosis.
   • Eje de Frecuencia: Cambios en el núcleo de reconstrucción.
   • Eje de Resolución: Cambios en el espesor de corte.
     Esto permitió aislar modos de falla específicos asociados con cada eje físico.
3. Huella digital de adquisición (Acquisition Fingerprinting): Se computó una huella digital de 4 características a nivel de píxel (ruido $\sigma$, nitidez de gradiente, relación de alta/baja frecuencia, correlación de vecinos) para caracterizar directamente el estado de adquisición desde los píxeles de la imagen. Esto se comparó contra la etiqueta DICOM ConvolutionKernel utilizando un fantoma de TC QIBA y datos de TC reales.
4. Transportabilidad entre fabricantes: Para probar si el estado de adquisición es específico de un escáner o una variable compartida, los autores analizaron 737 nódulos emparejados en cuatro fabricantes (GE, Philips, Siemens, Toshiba). Examinaron la dirección de los desplazamientos de características (suave-a-agudo) y realizaron pruebas de clasificación de dejar uno fuera (leave-one-vendor-out, LOVO).

Resultados clave

• Disociación de los modos de falla: Los efectos de la adquisición son estructurados y específicos por eje, no una métrica de "calidad" escalar única.
  • Eje de Frecuencia/Núcleo: Impulsa la inestabilidad de la medición. Cambiar solo el núcleo desplazó el diámetro medido por la IA (media $|\Delta| = 0.27$ mm) y causó cambios en la categoría de tamaño de Fleischner en el 5.2% de los nódulos (concentrados en el rango de 6–10 mm). Crucialmente, la confianza de detección permaneció estadísticamente sin cambios ($p=0.22$).
  • Eje de Ruido: Impulsa la fragilidad de la detección. La reducción de dosis (ruido) degradó significativamente la confianza de detección ($p = 5.9 \times 10^{-32}$), particularmente para nódulos pequeños (<6 mm), pero tuvo un efecto insignificante en la medición.
• Ceguera de metadatos: La huella digital derivada de píxeles clasificó con éxito la identidad de la reconstrucción (AUC a nivel de paciente $\approx 0.95$ en TC real; 0.995 en fantoma QIBA). En contraste, la etiqueta DICOM ConvolutionKernel no fue informativa, asignando a menudo etiquetas idénticas a reconstrucciones que producían comportamientos divergentes en la IA.
• Transportabilidad entre fabricantes: El "eje de núcleo" es una coordenada compartida en lugar de una idiosincrasia de un fabricante.
  • Los vectores de desplazamiento de suave-a-agudo fueron casi paralelos en los cuatro fabricantes (similitud de coseno pareada 0.91–0.96).
  • Un discriminador de núcleo entrenado en tres fabricantes logró AUCs de 0.94–0.98 en el cuarto fabricante excluido, igualando los techos de rendimiento dentro del mismo fabricante. Esto sugiere que el estado de adquisición es una variable transportable.

Significancia y afirmaciones
El artículo argumenta que el estado de adquisición debe tratarse como una variable estructurada y medible con ejes distintos (frecuencia y ruido) que gobiernan distintos modos de falla de la IA.

• Medición vs. Detección: El contenido de frecuencia gobierna la confiabilidad de la medición (riesgo de cambio de categoría de tamaño), mientras que el ruido gobierna la sensibilidad de detección (riesgo de omitir nódulos pequeños). Estos son modos de falla distintos que el monitoreo actual basado solo en la salida no puede desentrañar.
• Validación del lado de la entrada: Debido a que la señal discriminatoria reside en los píxeles y no en los metadatos, la monitorización de la deriva y las pruebas de aceptación efectivas requieren una validación consciente de la adquisición desde el lado de la entrada. Los programas actuales pueden detectar que el rendimiento cambió, pero no pueden determinar por qué (es decir, si la distribución de entrada se ha desplazado fuera del sobre de validación).
• Generalizabilidad: El hallazgo de que el eje de núcleo es transportable entre fabricantes implica que los sobres de adquisición caracterizados en una flota de escáneres no necesitan derivarse desde cero para otra, siempre que los ejes físicos subyacentes sean compartidos.

Limitaciones
Los autores señalan que el estudio está limitado a una única arquitectura de detector (RetinaNet) y predominantemente a nódulos sólidos. El brazo de detección se plantea como un "precursor de confianza" en lugar de una tasa de omisión demostrada, ya que las omisiones totales fueron raras en las perturbaciones probadas. Además, aunque la estructura de los efectos de la adquisición se transfiere entre datos simulados y reales, las magnitudes no lo hacen; las simulaciones sobreestimaron los cambios geométricos pero subestimaron los cambios texturales de ruido. Finalmente, la transportabilidad de la huella digital a nivel de píxel (en lugar de los embeddings internos del modelo) entre fabricantes sigue siendo un tema para trabajos futuros.