Hierarchical Classification via Cascading Feature Elimination: Application to Human Phenotype Ontology-Aligned Facial Phenotyping (FaceMesh2HPO)

Resumen Técnico: FaceMesh2HPO

Planteamiento del Problema
Las herramientas de diagnóstico actuales basadas en imágenes para trastornos genéticos suelen operar como "cajas negras", emitiendo predicciones a nivel de síndrome directamente desde fotografías en 2D. Aunque son efectivas para condiciones comunes, estos métodos carecen de interpretabilidad, no admiten la descripción estructurada de la morfología facial requerida para el razonamiento clínico y tienen dificultades para generalizarse a síndromes no vistos previamente. Además, los conjuntos de datos existentes suelen sufrir de una anotación dispersa de solo presencia, lo que dificulta distinguir entre rasgos ausentes y no anotados. Los autores argumentan que el análisis facial debe reencuadrarse de la clasificación directa de síndromes a la predicación de rasgos fenotípicos alineados con la Ontología del Fenotipo Humano (HPO), lo cual refleja mejor el proceso de evaluación sistemática utilizado por los clínicos.

Metodología
El artículo presenta FaceMesh2HPO, un marco jerárquico diseñado para clasificar descriptores fenotípicos faciales alineados con el árbol HPO. La metodología consta de cuatro componentes principales:

1. Curación de Datos y Anotación:

   • Los autores utilizaron un subconjunto de la base de datos GestaltMatcher (GMDB), centrándose en 10 trastornos con dismorfismos faciales notables.
   • Para abordar la dispersión de las anotaciones, 124 clínicos anotaron manualmente 1,230 imágenes para 107 términos HPO (59 términos hoja y 48 términos padre). El protocolo permitió etiquetas de "presente", "ausente" o "incierto", refinando la curación original de la GMDB.
   • Un conjunto de prueba independiente de 75 imágenes de 17 trastornos (incluyendo síndromes no vistos) fue anotado por múltiples expertos para asegurar una alta fiabilidad.

2. Representación Geométrica:

   • En lugar de píxeles 2D brutos, el sistema extrae mallas faciales 3D con 478 puntos detectados automáticamente a partir de imágenes 2D utilizando MediaPipe.
   • La entrada incluye las coordenadas de la malla, el contorno facial y metadatos opcionales (edad, sexo, etnia).

3. Arquitectura de Cascada Jerárquica:

   • El árbol HPO se simplifica en una jerarquía estricta (eliminando enlaces cruzados) donde cada nodo representa un término HP modelado por un clasificador dedicado basado en PointNet.
   • Entrenamiento en Cascada: Los modelos se entrenan desde la raíz (ej. "Anomalía de la cara") hacia las hojas. Cada modelo se entrena con datos de sus descendientes.
   • Eliminación de Características (Poda de Puntos): Una innovación clave es la eliminación iterativa de puntos de la malla. Tras el entrenamiento de un modelo padre, se utilizan Gradientes Integrados para calcular la importancia de los puntos por unidad. Los puntos que caen por debajo de un umbral específico son podados y excluidos del entrenamiento de los modelos hijos. Esto obliga a los modelos hijos a centrarse en las regiones más salientes para rasgos específicos, reduciendo la complejidad y el ruido.
   • Arquitectura Dinámica: La arquitectura PointNet ajusta dinámicamente su recuento de parámetros ($p$) basándose en el número de puntos de entrada restantes tras la poda para mantener la eficiencia.

4. Estrategia de Entrenamiento:

   • Los modelos utilizan validación cruzada estratificada de 5 pliegues.
   • Los controles no afectados se extrajeron del conjunto de datos UTKFace, emparejados por edad, sexo y etnia.
   • Se emplean etiquetas suaves (ej. 0.05 para muestras negativas) para gestionar la incertidumbre en el grupo de control, reconociendo que los individuos "no afectados" en bases de datos públicas aún pueden poseer rasgos sutiles.

Contribuciones Clave

• Marco de Trabajo: Un novedoso marco centrado en el fenotipo que predice términos HPO en lugar de síndromes, permitiendo representaciones granulares y reutilizables.
• Conjunto de Datos: Un benchmark de gran escala, curado por clínicos (GMDB-HPO), con anotaciones explícitas positivas y negativas para 107 términos HPO faciales en 10 trastornos.
• Innovación Metodológica: La introducción de la eliminación de características en cascada, donde el análisis de importancia de puntos poda la malla para los modelos descendentes, alineando el enfoque del modelo con la estructura jerárquica de la ontología.
• Herramientas: Una aplicación web (Herramienta Web FaceMesh2HPO) que permite a los clínicos cargar imágenes, visualizar predicciones jerárquicas e inspeccionar mapas de calor de importancia de características en la malla facial.

Resultos

• Rendimiento: La configuración óptima (mallas 3D, contorno facial, metadatos, umbral de importancia de 0.01, etiquetas suaves de 0.05) alcanzó un AUROC medio de 0.750 ± 0.042 en todos los modelos HPO durante la validación cruzada.
• Efectos de la Jerarquía: El rendimiento varió según el nivel de la ontología. Los nodos padre y de "compresión" generalmente superaron a los nodos hoja (AUROC entre ≈0.55 y ≈0.89). Los 5 mejores modelos HPO alcanzaron AUROC y F1-Scores de ≈0.89, mientras que los modelos hoja más débiles se mantuvieron cerca del azar.
• Hallazgos de Ablación:
  • Las mallas 3D superaron a las mallas 2D.
  • La inclusión del contorno facial y los metadatos mejoró consistentemente el rendimiento.
  • Los umbrales de importancia de características más bajos (0.01) produjeron mejores resultados que los umbrales más altos, ya que una poda agresiva dejaba insuficientes puntos para los modelos hoja.
  • Las etiquetas suaves (0.05) proporcionaron una mejora marginal pero consistente sobre las etiquetas estrictas.
• Generalizabilidad: En el conjunto de prueba independiente, el rendimiento varió según el trastorno. Los términos padre mantuvieron la estabilidad entre síndromes vistos y no vistos. Sin embargo, los fenotipos hoja específicos para trastornos raros o no vistos (ej. Mowat–Wilson, White–Sutton) mostraron mayores desviaciones respecto al rendimiento de validación, indicando una generalizabilidad heterogénea.
• Correlaciones: Se encontró una fuerte correlación positiva entre el número de muestras de entrenamiento y el AUROC medio. Los modelos hoja requirieron significativamente más muestras (≥988) para lograr un alto rendimiento en comparación con los modelos padre (≥1092) o los nodos de compresión (≥222). Sorprendentemente, el Acuerdo Inter-Evaluador (IRA) no se correlacionó con el rendimiento del modelo.

Significancia y Reivindicaciones
El artículo sostiene que las representaciones geométricas de la cara mediante mallas 3D, combinadas con una arquitectura PointNet jerárquica y la eliminación de puntos en cascada, permiten una clasificación clínicamente significativa de los fenotipos faciales. Los autores afirman que este enfoque:

• Alinea los resultados del aprendizaje automático con el razonamiento clínico al priorizar los rasgos fenotípicos sobre las etiquetas de síndromes.
• Proporciona apoyo interpretable a los expertos al resaltar regiones faciales específicas (mediante la importancia de las características) que impulsan las predicciones.
• Se transfiere parcialmente a trastornos no vistos, particularmente al nivel de los términos padre de la HPO, aunque el rendimiento para fenotipos hoja específicos y raros sigue estando limitado por las etiquetas subrepresentadas.

Los autores concluyen que, si bien el sistema ofrece un paso prometedor hacia el fenotipado estructurado, destaca la necesidad de cohortes de entrenamiento más diversas, un mejor manejo de los términos raros durante la eliminación de puntos y estrategias para reconciliar la selección de puntos basada en datos con las máscaras de regiones definidas por expertos para mejorar la robustez. La herramienta se presenta como un posible apoyo para agilizar el proceso de diagnóstico, ofreciendo soporte vinculado a la ontología en lugar de una respuesta diagnóstica definitiva.