Biological Sex Determination in Cadavers Using Deep Learning Algorithms from Computed Tomography Images of Pelvis and Skull

Resumen Técnico: Determinación del Sexo Biológico en Cadáveres mediante Algoritmos de Aprendizaje Profundo a partir de Imágenes de Tomografía Computarizada de Pelvis y Cráneo

Planteamiento del Problema
En la antropología forense, la determinación del sexo biológico es un paso crítico para la construcción de un perfil biológico para la identificación humana. Los métodos tradicionales dependen del análisis morfológico y métrico de las estructuras esqueléticas, particularmente del cráneo y la pelvis. Sin embargo, estos enfoques clásicos dependen del observador, consumen mucho tiempo y suelen fallar en escenarios forenses desafiantes que involucran desastres masivos, restos carbonizados, fragmentación o descomposición severa. Además, los procesos tafonómicos post-mortem y el trauma pueden alterar las estructuras anatómicas, aumentando la complejidad de la imagen y reduciendo la eficacia del análisis manual. Si bien la Inteligencia Artificial (IA) y el aprendizaje profundo han mostrado potencial en el diagnóstico por imágenes médicas, muchos estudios existentes se limitan a poblaciones específicas o condiciones de adquisición altamente controladas, careciendo de validación en casos forenses del mundo real que presentan desfiguraciones anatómicas y artefactos de imagen.

Metodología
Este estudio evaluó la robustez de las arquitecturas de aprendizaje profundo, mejoradas mediante el aprendizaje por transferencia (transfer learning), para la determinación automatizada del sexo biológico utilizando tomografías computarizadas (TC) forenses.

• Conjunto de Datos: El estudio utilizó un conjunto de datos retrospectivo de 141 cadáveres de autopsia (104 hombres, 37 mujeres) del Instituto de Medicina Legal Aristoclides Teixeira (IMLAT) en Goiânia, Brasil. El conjunto de datos incluyó TC de cráneo y pelvis, adquiridas mediante un escáner Siemens SOMATOM go.Now. La muestra fue intencionalmente heterogénea, conservando casos con desfiguraciones anatómicas significativas y artefactos relacionados con traumas para reflejar condiciones forenses del mundo real, excluyendo únicamente casos con destrucción ósea extensa que impidiera la identificación de hitos (landmarks).
• Preprocesamiento de Datos: Se generaron reconstrucciones tridimensionales del cráneo y la pelvis utilizando la Técnica de Renderizado de Volumen (VRT). Para optimizar la eficiencia computacional, estos volúmenes 3D se convirtieron en proyecciones de perfil 2D estandarizadas. Un especialista forense curó manualmente los datos para identificar una "imagen pivote" (vista frontal a 0°) para cada sujeto, a partir de la cual se extrajo una ventana rotacional de ±45° (11 imágenes por región anatómica). El conjunto de datos final constó de 3,059 imágenes.
• Arquitecturas de Modelos: Se compararon siete arquitecturas distintas: EfficientNetV2, ConvNeXt-Tiny, ViT-B16, VGG16, ResNet50, YOLO11 y YOLO26. Todos los modelos utilizaron aprendizaje por transferencia, inicializados con pesos pre-entrenados en ImageNet.
• Estrategias de Clasificación: Se probaron dos escenarios:
  1. Clasificación Binaria: Predicción exclusiva del sexo (Hombre/Mujer).
  2. Clasificación Cuaternaria: Predicción conjunta de sexo y región anatómica (Cráneo Masculino, Cráneo Femenino, Pelvis Masculina, Pelvis Femenina).
• Entrenamiento y Optimización: Para abordar el desequilibrio de clases y el tamaño limitado de la muestra, se emplearon técnicas de aumento de datos, incluyendo un pipeline offline personalizado y aumentos nativos de YOLO. La optimación de hiperparámetros se realizó mediante un Algoritmo Genético (GA) a través de la herramienta de auto-ajuste de Ultralytics. Para manejar el desequilibrio de clases, se implementó una Pérdida de Entropía Cruzada Ponderada (Weighted Cross-Entropy Loss).
• Protocolo de Evaluación: El conjunto de datos se dividió a nivel de sujeto (75% entrenamiento, 10% validación, 15% prueba) para evitar la fuga de datos (data leakage). El diagnóstico a nivel de paciente se logró mediante votación suave (soft voting), agregando las probabilidades softmax de las 11 proyecciones angulares por sujeto. La selección del modelo se refinó mediante métodos de toma de decisiones multicriterio (TOPSIS y VIKOR) para clasificar las configuraciones basadas en precisión (accuracy), precisión (precision), exhaustividad (recall) y puntuación F1. La interpretabilidad se evaluó mediante mapas de calor Grad-CAM.

Contribuciones Clave

1. Validación en Datos Forenses del Mundo Real: El estudio valida las arquitecturas de aprendizaje profundo en un conjunto de datos diverso de casos forenses reales, incluyendo cadáveres con desfiguraciones anatómicas significativas y artefactos de imagen relacionados con traumas, en lugar de muestras idealizadas o controladas.
2. Análisis Comparativo de Regiones Anatómicas: El trabajo proporciona un análisis comparativo del poder discriminatorio entre las proyecciones 2D de la pelvis y el cráneo, evaluando su eficacia respectiva en la estimación del sexo.
3. Evaluación de la Generalización: El estudio evalúa las capacidades de generalización del aprendizaje por transferencia en presencia de ruido de imagen específico de la forense y artefactos, demostrando la viabilidad de la metodología bajo condiciones complejas.

Resultos

• Rendimiento de la Arquitectura: Entre los modelos base, YOLO26 emergió como el mejor desempeño, superando consistentemente a otras arquitecturas (incluyendo ConvNeXt, ViT y ResNet) con una precisión inicial superior al 89%.
• Estrategia de Clasificación: Mientras que la clasificación binaria produjo una alta precisión general, la estrategia de clasificación cuaternaria (separando cráneo y pelvis) demostró una mayor equidad de métricas entre sexos. Mitigó la disparidad de rendimiento causada por el conjunto de datos con predominancia masculina, evitando que el modelo desarrollara un sesgo hacia la clase mayoritaria.
• Configuración Óptima: El análisis de decisión multicriterio (TOPSIS y VIKOR) identificó al modelo YOLO26 Nano con aumento de datos YOLO por defecto como la configuración óptima. Esta configuración logró el mejor equilibrio entre rendimiento y robustez.
• Métricas de Desempeño: El modelo optimizado final alcanzó las siguientes métricas a nivel de paciente:
  • Precisión (Accuracy): 95.65%
  • Exhaustividad (Recall): 92.86%
  • Puntuación F1: 94.36%
  • Precisión (Precision): 97.22%
  • Desempeño Pélvico: El modelo logró una exhaustividad perfecta (100%) tanto para las estructuras pélvicas masculinas como femeninas a nivel de paciente.
  • Desempeño Craneal: Los cráneos masculinos alcanzaron una exhaustividad del 100%, mientras que los cráneos femeninos mostraron una menor exhaustividad (71.43%) a nivel de paciente, atribuido a la concentración de clasificaciones erróneas en un pequeño subconjunto de casos femeninos limítrofes.
• Interpretabilidad: Los mapas de calor Grad-CAM confirmaron que los modelos se enfocaron en hitos antropológicos establecidos (p. ej., ángulo subpúbico, sínfisis púbica, glabela, margen supraorbitario y ángulo mandibular), validando que las predicciones se fundamentan en características anatómicas válidas en lugar de artefactos espurios.

Significancia y Declaraciones
El artículo afirma que la metodología propuesta demuestra la viabilidad técnica del uso de aprendizaje profundo para el análisis esquelético objetivo y de alta velocidad en contextos forenses. El estudio concluye que los modelos de aprendizaje profundo pueden servir como una herramienta de apoyo fiable y reproducible para los expertos forenses, particularmente en casos donde la evaluación morfológica tradicional se ve dificultada por la descomposición o el trauma.

Los autores enfatizan que el sistema está destinado a ser un instrumento de asistencia, no un sustituto del experto forense. Señalan que las predicciones son probabilísticas y requieren validación individualizada. El estudio reconoce limitaciones, específicamente que los datos provienen de una sola institución y un solo escáner de TC, lo que requiere una validación adicional en múltiples centros y escáneres para evaluar la capacidad de generalización del enfoque. El trabajo busca allanar el camino para agilizar el triaje forense y apoyar a los médicos forenses preservando el rol de toma de decisiones del experto.