Triple-Phase Multimodal Knowledge Aggregation Framework for Microbial Keratitis Subtype Diagnosis on Slit-Lamp Photography

Resumen Técnico: Marco de Agregación de Conocimiento Multimodal de Triple Fase para el Diagnóstico de Subtipos de Queratitis Microbiana

Planteamiento del Problema
La queratitis microbiana (QM) es una infección corneal grave que requiere la identificación rápida del patógeno causante (bacteriano frente a fúngico) para guiar un tratamiento dirigido. Los estándares diagnósticos actuales, que dependen del cultivo y la PCR, son lentos (tardan varios días) y no logran identificar los patógenos en más del 50% de los casos. Este retraso a menudo conduce a un tratamiento empírico subóptimo, agravando los resultados clínicos. Aunque la fotografía de lámpara de hendidura (SLP) es una modalidad de imagen ampliamente disponible y de bajo costo que captura biomarcadores específicos (p. ej., infiltrados estromales, hipopión) bajo diversas iluminaciones, distinguir entre subtipos bacterianos y fúngicos basándose únicamente en estas imágenes es un desafío debido a las sutiles diferencias visuales y la significativa heterogeneidad en las condiciones de imagen (modos de iluminación, magnificación). Los enfoques de aprendizaje profundo existentes suelen sufrir de una pobre generalización cuando se aplican a cohortes externas y tienden a ser evaluados en datos agrupados de múltiples centros, lo que puede enmascarar sesgos geográficos y de distribución.

Metodología
Los autores proponen un Marco de Agregación de Conocimiento Multimodal de Triple Fase diseñado para clasificar la QM bacteriana frente a la fúngica utilizando imágenes de SLP y metadatos clínicos. El marco integra datos de tres modalidades de iluminación: luz azul difusa (con fluoresceína), dispersión esclerótica y luz blanca difusa.

1. Curación de Datos y Preprocesamiento:

   • Se curó un conjunto de datos a gran escala y de múltiples centros que comprende 1,645 pacientes (1,048 fúngicos, 597 bacterianos) y 17,158 imágenes de EE. UU. e India.
   • Recorte basado en el limbo: Se utilizó una red de segmentación basada en conectividad (BiconNet) para recortar la región del limbo, eliminando el ruido de fondo irrelevante (esclera, párpados) para centrar el modelo en las áreas relevantes de la lesión.
   • Integración de Metadatos: Las variables clínicas (historial de trauma, exposición a materia orgánica/agua, uso de lentes de contacto, agudeza visual) se integraron y concatenaron con las características de la imagen.

2. Fase Uno: Aprendizaje Contrastivo de Multimodalidad Cruzada (CMCL):

   • Un modelo universal es preentrenado mediante aprendizaje contrastivo. Las imágenes del mismo paciente, independientemente de la modalidad de iluminación o la magnificación, se tratan como pares positivos, mientras que las imágenes de diferentes pacientes son pares negativos.
   • Esta fase tiene como objetivo aprender representaciones invariantes de la modalidad, capturando características específicas de la enfermedad que persisten a través de diferentes condiciones de imagen.

3. Fase Dos: Ajuste Fino Específico de la Modalidad:

   • Los pesos preentrenados se transfieren a tres redes separadas, cada una ajustada finamente en una modalidad de iluminación específica (Azul, Dispersión Esclerótica, Blanca).
   • Se añade un término de regularización (la pérdida contrastiva) a la pérdida de clasificación durante el ajuste fino para mantener las características invariantes aprendidas mientras se adapta a las señales específicas de la modalidad.

4. Fase Tres: Ensamble de Características a Nivel de Multimodalidad:

   • En lugar de un simple voto por mayoría, el marco extrae vectores de características de la capa precedente a la cabeza de clasificación para cada red específica de la modalidad.
   • Estos vectores se promedian por modalidad (gestionando la ausencia de modalidades mediante la inicialización de vectores cero) y se concatenan en una única matriz de características.
   • Un Perceptrón Multicapa (MLP) fusiona estas características para producir la predicción final a nivel de paciente.

Contribuciones Clave

1. Construcción de Conjunto de Datos: La creación de un conjunto de datos a gran escala, de múltiples centros y multimodales (17,158 imágenes de 1,645 pacientes) con metadatos clínicos emparejados, abordando la escasez de conjuntos de datos de SLP anotados para la QM.
2. Marco Novedoso: La introducción de una arquitectura de tres fases que aborda explícitamente la heterogeneidad de la imagen mediante el preentrenamiento contrastivo, el ajuste fino específico de la modalidad y el aprendizaje de ensamble a nivel de características.
3. Protocolo de Evaluación Riguroso: Los autores exponen un error crítico en estudios previos de múltiples centros: las métricas agregadas sobre datos agrupados suelen arrojar resultados excesivamente optimistas que enmascaran disparidades severas de rendimiento entre los sitios geográficos. Introducen evaluaciones estratificadas por sitio bajo tres protocolos (distribución original, remuestreo y subconjuntos totalmente equilibrados) para proporcionar una evaluación más realista de la generalización entre sitios.

Resultados

• Rendimiento General: El marco propuesto logró un rendimiento de vanguardia con un 85.84% de precisión, un F1-score promedio de 84.46% y un AUC de 0.885, superando a las líneas base incluyendo ResNet-50, DenseNet-121, SwinV2-T y DeepIK.
• Clasificación Bacteriana: El marco mejoró notablemente el reconocimiento de los casos bacterianos, que históricamente son difíciles. El F1-score bacteriano aumentó de aproximadamente ~76.7% (mejor línea base) a 80.0%, manteniendo un alto F1-score fúngico de 89.0%.
• Análisis de Modalidad: El modelo funcionó mejor bajo iluminación de dispersión esclerótica (84.81% de precisión) y mostró ganancias consistentes en todas las modalidades en comparación con las líneas base de una sola modalidad.
• Generalización Específica del Sitio:
  • En el conjunto de datos original, todos los métodos mostraron un alto rendimiento fúngico en India pero un bajo rendimiento bacteriano, y viceversa en EE. UU., indicando un sesgo geográfico.
  • Bajo los entornos de evaluación de remuestreo y equilibrado, el marco propuesto se mantuvo como el mejor ejecutor, demostrando una mayor robustez y equidad entre sitios en comparación con las líneas base.
  • Un estudio de ablación al eliminar los metadatos de ubicación explícitos ("Sin Ubicación") aún mostró un sesgo geográfico, sugiriendo que el modelo aprende implícitamente pistas visuales específicas del sitio (p. ej., ruido del sensor, demografía de la población) a partir de las propias imágenes.

Significancia y Reivindicaciones
El artículo sostiene que este trabajo representa un paso significativo hacia un diagnóstico accesible asistido por IA para la queratitis microbiana. Al aprovechar un marco de tres fases, los autores demuestran que es posible extraer características robustas e invariantes de la modalidad a partir de imágenes de lámpara de hendidura heterogéneas, mejorando así la precisión diagnóstica para el desafiante subtipo bacteriano.

Crucialmente, los autores argumentan que su metodología de evaluación proporciona un punto de referencia más fiel para el despliegue en el mundo real. Destacan que la evaluación estándar de datos agrupados puede ser engañosa, ocultando debilidades significativas en dominios geográficos específicos. Su capacidad para mantener el rendimiento superior bajo configuraciones de evaluación estrictas, equilibradas y remuestreadas sugiere un mayor potencial para un despliegue entre sitios justo y generalizable.

Los autores mantienen la modestia respecto al despliegue clínico, señalando que, si bien el rendimiento fuera de línea es sólido, es esencial la validación prospectiva en flujos de trabajo reales de atención en el punto de atención. También reconocen las limitaciones actuales, incluyendo la naturaleza binaria de la clasificación (bacteriana frente a fúngica), la necesidad de una mayor representación geográfica para mitigar el aprendizaje de atajos (shortcut learning) y la necesidad de protocolos de imagen estandarizados en futuros estudios prospectivos.