Quantification of Uncertainty with Adversarial Models in Medical Image Segmentation

Resumen Técnico: QUAM-SM para la Segmentación de Imágenes Médicas

Declaración del Problema
El despliegue de modelos de aprendizaje profundo en flujos de trabajo clínicos, particularmente para la segmentación de imágenes médicas, requiere no solo una alta precisión, sino también una cuantificación de la incertidumbre a nivel de píxel que sea fiable. Los modelos estándar de aprendizaje profundo suelen sufrir de una mala calibración, produciendo predicciones excesivamente confiadas que enmascaran modos de falla subyacentes, especialmente en los bordes de los objetos y en regiones patológicas sutiles. Esta sobreconfianza puede conducir a decisiones clínicas incorrectas, como la interpretación errónea de una progresión real de la enfermedad como una pseudo-progresión. Los métodos existentes de estimación de la incertidumbre, incluyendo los Ensembles Profundos (Deep Ensembles), las aproximaciones bayesianas (por ejemplo, Monte Carlo Dropout) y los enfoques evidentiales, a menudo dependen del muestreo estocástico dentro de regiones limitadas de la distribución posterior. En consecuencia, pueden no capturar el espectro completo de las posibles fallas de predicción o no distinguir adecuadamente entre diferentes fuentes de incertidumbre.

Metodología: QUAM-SM
Los autores proponen QUAM-SM (Cuantificación de la Incertidumbre con Modelos Adversarios en la Segmentación de Imágenes Médicas), un marco post-hoc diseñado para identificar píxeles "adversariamente frágiles": regiones donde la decisión de un modelo es fácilmente alterada hacia una clase incorrecta. El marco opera a través de las siguientes etapas:

1. Segmentación de Referencia: Un modelo preentrenado fijo genera una segmentación de referencia ($y_{ref}$) para una imagen de prueba, asumiendo el acceso a la distribución de los datos de entrenamiento para mantener la consistencia con el manifold de datos aprendido.
2. Búsqueda de Modelos Adversarios: El núcleo del método consiste en una búsqueda adversaria dirigida para generar hipótesis de segmentación alternativas. El algoritmo optimiza un modelo ($\tilde{w}$) utilizando dos términos de pérdida complementarios:
   • Pérdida de Penalización ($L_{pen}$): Fuerza la consistencia con la distribución de entrenamiento para asegurar que los modelos adversarios sigan siendo plausibles (plausibilidad posterior).
   • Pérdida Adversaria ($L_{adv}$): Impulsa la predicción hacia una etiqueta específica objetivo ($y_{mask}$) para explorar hipótesis alternativas.
     El artículo investiga tres estrategias para generar $y_{mask}$:
   • Máscaras Extremas Globales (GEM): Mapas constantes de todo fondo o todo primer plano.
   • Máscaras Basadas en el Entrenamiento (TBM): Configuraciones anatómicas realistas muestreadas del conjunto de entrenamiento.
   • Máscaras Aumentadas por Morfología (MAM): Variaciones estructurales locales cerca de los bordes creadas mediante operaciones morfológicas (dilatación/erosión) sobre la predicción de referencia.
3. Cuantificación de la Incertidumbre mediante Muestreo de Importancia de Mezcla (MIS): La búsqueda adversaria produce un conjunto de pesos de modelo plausibles. Para derivar una estimación estadísticamente consistente de la distribución predictiva, los autores emplean el Muestreo de Importancia de Mezcla. Los modelos se ponderan basándose en su pérdida de penalización en los datos de entrenamiento, asegurando que los modelos que se adhieren a la distribución de entrenamiento contribuyan de manera más significativa.
4. Descomposición de la Incertidumbre: Utilizando las predicciones ponderadas, el marco descompone la incertidumbre total en dos componentes distintos basados en el marco de Entropía Esperada (EE):
   • Incertidumbre Aleatoria: Representa el ruido de los datos y la variabilidad de la anotación (modelada como la entropía esperada de las predicciones individuales).
   • Incertidumbre Epistémica: Representa la incertidumbre del modelo (modelada como la Información Mutua o el desacuerdo entre las predicciones del ensamble ponderado).

Contribuciones Clave

1. Marco Novedoso: Los autores introducen un marco de cuantificación de la incertidumbre post-hoc para la segmentación de imágenes médicas que aprovecha la búsqueda adversaria dirigida para identificar predicciones de píxeles frágiles.
2. Desentrelazamiento de la Incertidumbre: El método distingue explícitamente entre la incertidumbre aleatoria y la epistémica, demostrando una mejor consistencia con la variabilidad inter-evaluador en múltiples conjuntos de datos públicos.
3. Cobertura de la Posterior Mejorada: Al extender el concepto de modelos adversarios al dominio de la segmentación, el método logra una cobertura de la posterior mejorada al resaltar los píxeles más susceptibles de ser "seguramente falsos", ofreciendo un mapa de error más sensible que los métodos tradicionales basados en densidad.

Resultados Experimentales
El marco QUAM-SM fue evaluado en dos conjuntos de datos públicos con múltiples anotaciones de expertos:

• REFUGE (DR): Imágenes de fotografía de fondo de ojo con siete anotaciones independientes para la segmentación del disco y la copa óptica.
• QUBIQ2021 (DQ): Volúmenes de RM de tumores de próstata anotados por seis expertos.

El método se comparó contra Monte Carlo Dropout, Deep Ensembles, Probabilistic U-Net y el marco evidente SURE. El rendimiento se midió utilizando el Coeficiente de Correlación de Pearson (PCC) y el coeficiente de determinación ($R^2$) frente a los mapas de entropía de referencia derivados de múltiples anotadores, así como puntuaciones de Soft Dice (SDice) para la precisión de la segmentación.

• Rendimiento Cuantitativo: QUAM-SM alcanzó los valores más altos de PCC y $R^2$ en las categorías de incertidumbre epistémica, aleatoria y total para ambos conjuntos de datos, indicando una alineación superior con la incertidumbre de referencia. También superó consistentemente a los enfoques competidores en precisión de segmentación (SDice).
• Estudios de Ablación: Los experimentos confirmaron que las Máscaras Aumentadas por Morfología (MAM) produjeron el mejor rendimiento entre las estrategias de ataque. Además, aumentar el número de iteraciones adversarias ($M$) mejoró consistentemente el rendimiento, observándose resultados óptimos en recuentos de iteraciones más altos.
• Resultados Cualitativos: Las visualizaciones demostraron que QUAM-SM coincide estrechamente con los mapas de entropía de la verdad de campo (ground-truth), capturando con precisión las regiones de alta incertidumbre inter-anotador, particularmente en los bordes.

Significancia y Reivindicaciones
El artículo afirma que QUAM-SM aborda el problema crítico de las predicciones excesivamente confiadas en la IA médica al proporcionar un mecanismo para buscar activamente las inestabilidades predictivas. Al desentrelazar la incertidumbre aleatoria y la epistémica, el marco ofrece una visión más matizada de la fiabilidad del modelo. Los autores señalan que la incertidumbre aleatoria estimada se correlaciona más fuertemente con la variabilidad inter-evaluador que la incertidumbre total, destacando su relevancia específica para capturar la ambigüedad de la anotación. Esta capacidad respalda una toma de decisiones clínicas más segura al distinguir los cambios patológicos reales de los artefactos e identificar las regiones donde las decisiones del modelo son más vulnerables. Aunque el enfoque requiere acceso a la distribución de entrenamiento, los autores afirman que proporciona mapas de incertidumbre interpretables que mejoran la evaluación del modelo en entornos clínicos realistas.