Evidence-Based Text-Conditioned 3D CT Synthesis for Ovarian Cancer

Resumen Técnico: Síntesis de TC 3D Condicionada por Texto Basada en Evidencia para el Cáncer de Ovario

Planteamiento del Problema
El cáncer de ovario se diagnostica frecuentemente en estadios avanzados, lo que hace que la tomografía computarizada (TC) con contraste preoperatoria sea crítica para la estadificación y la planificación quirúrgica. Sin embargo, el desarrollo de modelos de aprendizaje profundo generalizables en este dominio se ve obstaculizado por la escasez de datos de imagen anotados y las estrictas regulaciones de privacidad (por ejemplo, el RGPD) que limitan el intercambio de datos. Aunque la síntesis de TC 3D condicionada por texto ha mostrado resultados prometedores para la generación de datos sintéticos, los enfoques existentes dependen de informes radiológicos emparejados y han sido evaluados exclusivamente en TC de tórax. La transferencia de estos métodos a la oncología abdominopélvica se ve obstruida por tamaños de conjuntos de datos más pequeños, una mayor complejidad anatómica y la falta de informes radiológicos estandarizados y accesibles en muchos entornos institucionales.

Metodología: Marco de Trabajo OvESyn
Los autores proponen OvESyn (Síntesis de Ovario Basada en Evidencia), un marco diseñado para generar volúmenes de TC 3D condicionada por texto para el carcinoma de ovario seroso de alto grado (HGSOC) sin requerir informes radiológicos originales. El proceso consta de dos etapas secuenciales:

1. Generación de Informes Estructurados (Condicionamiento Basado en Evidencia):
   En lugar de recuperar texto de informes existentes, el sistema construye secciones estandarizadas de "Hallazgos" e "Impresión" de forma algorítmica.

   • Entrada: Toma un volumen de TC 3D, segmentaciones automáticas de tumores (vía OvSeg), segmentaciones automáticas de órganos (vía TotalSegmentator) y dos variables de metadatos clínicos rutinarias: estadio FIGO y estado de ascitis.
   • Extracción de Características: Los descriptores de imagen se computan de manera determinista utilizando PyRadiomics. Estos incluyen estadísticas de intensidad (media HU, percentiles, heterogeneidad), características morfológicas (volumen, diámetro, esfericidad) y contexto espacial (órganos adyacentes).
   • Serialización: Estas características estructuradas y variables clínicas se introducen en un modelo de lenguaje de gran tamaño (Qwen2.5-14B-Instruct) mediante plantillas de prompts específicas para generar un informe de estilo radiológico estandarizado.

2. Adaptación de Difusión Latente Condicionada por Texto:
   El informe generado condiciona un modelo de difusión latente adaptado al dominio del cáncer de ovario.

   • Arquitectura: El sistema utiliza una arquitectura 3D-CLIP para la alineación visión-lenguaje y un modelo de difusión latente (basado en MAISI VAE y 3D U-Net) para la generación.
   • Estrategia de Adaptación: Los autores investigan dos ejes de adaptación:
     • Alineación Visión-Lenguaje: El codificador 3D-CLIP se ajusta mediante Adaptación de Bajo Rango (LoRA) para alinear las incrustaciones (embeddings) de texto generado con el dominio de la TC objetivo.
     • Ajuste del Generador: El generador 3D U-Net se ajusta completamente (no solo mediante LoRA) para aprender la distribución volumétrica específica de la región abdominopélvica, dado que el preentrenamiento se realizó en TC de tórax.

Contribuciones Clave

• Pipeline de Condicionamiento Libre de Informes: Un método novedoso para generar texto de condicionamiento estandarizado directamente a partir de evidencia de imagen y metadatos de rutina, eliminando la dependencia de informes radiológicos emparejados.
• Primera Adaptación Abdominopélvica: La primera adaptación sistemática de un marco de generación de TC 3D condicionada por texto al entorno oncológico abdominopélvico, demostrada en una cohorte de 493 pacientes con HGSOC.
• Asimetría Funcional de la Adaptación: Un estudio de ablación controlado que revela funciones distintas para los dos ejes de adaptación:
  • Ajuste del Generador: Identificado como el mecanismo operativo para cruzar la brecha de dominio. Es necesario y suficiente para establecer la estructura anatómica (macro) correcta (abdominopélvica frente a torácica).
  • Alineación del Codificador: Actúa como un refinamiento complementario para la intensidad y los detalles finos, mejorando el realismo por muestra (Precisión) pero no establece la estructura anatómica por sí solo.

Resultados
Evaluado en un conjunto de prueba de 76 pacientes, el estudio demuestra:

• Transferencia de Dominio: Sin el ajuste del generador (OvESyn∅ y OvESynC), el modelo falla al cruzar la brecha de dominio, produciendo anatomía torácica (campos pulmonares) independientemente de la alineación del codificador. La Precisión y el Recall colapsan a cero, y el FID2.5D supera 140.
• Coherencia Anatómica: El ajuste completo del generador (OvESynU) genera con éxito una anatomía abdominopélvica reconocible, reduciendo el FID2.5D a ~31.7.
• Refinamiento mediante Alineación: Añadir la alineación del codificador al generador ajustado (Full OvESyn) mejora aún más la fidelidad de la distribución y la intensidad. El modelo completo logra el mejor FID2.5D (29.35), Precisión (0.671) y distancia Wasserstein-1 (0.044).
• Intercambio Fidelidad-Cobertura: Mientras que el modelo completo maximiza la fidelidad, la variante con solo adaptación del generador (OvESynU) logra una mayor cobertura (Recall 0.645 frente a 0.420). Los autores atribuyen esto a la diversidad limitada de los informes de condicionamiento en la cohorte homogénea, donde una fuerte alineación del codificador estrecha la distribución de salida.
• Comparación: OvESyn supera significativamente a una versión adaptada de MedSyn (un modelo de síntesis de TC de tórax de múltiples etapas) en todas las métricas.

Significancia y Reivindicaciones
El artículo afirma que OvESyn proporciona una base reproducible y transferible institucionalmente para la generación de cohortes sintéticas en la oncología abdominopélvica. Su principal significancia radica en demostrar que la síntesis condicionada por texto es alcanzable en entornos con escasez de datos y de informes, derivando las señales de condicionamiento algorítmicamente a partir de segmentaciones automáticas y metadatos de rutina.

Los autores enmarcan modestamente su trabajo como un "primer paso" hacia la síntesis volumétrica condicionada por texto en este dominio. Establecen explícitamente que la evaluación actual se centra en el realismo de la distribución y la fidelidad de la intensidad, no en la validez clínica de las lesiones individuales. Señalan que el despliegue clínico requiere una validación adicional, incluyendo la evaluación por parte de expertos radiólogos (pruebas de Turing visuales) y la comprobación de su utilidad downstream (por ejemplo, la mejora en la segmentación o el rendimiento de la clasificación), aspectos que quedan fuera del alcance actual. El trabajo establece que la adaptación del dominio del generador es el factor crítico para la corrección anatómica, mientras que la alineación del codificador sirve como una herramienta de refinamiento, ofreciendo un principio de diseño para futuros modelos generativos de imágenes médicas condicionados por texto.