Longitudinal Multi-View Breast Cancer Risk Prediction

Resumen Técnico: Modelado Multivista Longitudinal para la Predicción del Riesgo de Cáncer de Mama (LMV-Net)

Planteamiento del Problema
La predicción precisa del riesgo de cáncer de mama a partir de mamografías de cribado es esencial para permitir intervalos de cribado personalizados y una detección temprana. Si bien los métodos recientes de aprendizaje profundo han demostrado el valor de los datos longitudinales (comparando la exploración actual con las anteriores), los enfoques existentes sufren limitaciones significativas. Los modelos actuales realizan un alineamiento explícito utilizando únicamente una única vista mamográfica (por ejemplo, CC o MLO) o modelan múltiples vistas sin un alineamiento longitudinal explícito. En consecuencia, estos métodos no logran explotar plenamente la información espacio-temporal complementaria utilizada en la práctica clínica, donde los radiólogos comparan tanto las vistas Craneocaudal (CC) como la Mediolateral Oblicua (MLO) a través del tiempo para evaluar cambios sutiles en el tejido.

Metodología: LMV-Net
Los autores proponen LMV-Net, un modelo de predicción de riesgo multivista longitudinal por seno, diseñado para analizar conjuntamente las vistas CC y MLO, que son anatómicamente complementarias, dentro de un marco longitudinal explícitamente alineado. La arquitectura consta de seis etapas secuenciales:

1. Extracción de Características: Un codificador de imágenes compartido (basado en un backbone ResNet-18, específicamente el codificador Mirai) extrae mapas de características de las mamografías actuales y previas tanto para las vistas CC como para las MLO.
2. Alineación de Características Temporales: Para abordar la deformación no rígida de la mama, el modelo alinea explícitamente las características longitudinales en el espacio de características. Utiliza un MammoRegNet preentrenado y congelado para generar campos de deformación basados en imágenes que registran las mamografías previas con las actuales. Se estiman campos de deformación separados para cada vista (CC y MLO), y una función de transformación espacial alinea las características previas con las actuales.
3. Sustracción Temporal: Las características de diferencia específicas de cada vista se calculan restando las características previas alineadas de las características actuales ($f_{diff} = f_{cur} - f_{pri-align}$). Se aplica una codificación posicional a estas características de diferencia para tener en cuenta los intervalos de tiempo variables entre exploraciones.
4. Concatenación de Características Temporales: Las características actuales, las características previas alineadas y las características de diferencia se concatenan a lo largo de la dimensión de canal para formar representaciones de características longitudinales ($f_{long}$) para cada vista, integrando apariencia, contexto y cambio temporal.
5. Atención de Doble Flujo (Dual Stream Attention): Un novedoso bloque de atención de doble flujo refina las características longitudinales. Este módulo emplea mecanismos paralelos:
   • Auto-atención (Self-Attention): Modela las interacciones intra-vista de largo alcance para mejorar la coherencia espacial dentro de la misma vista.
   • Atención Cruzada (Cross-Attention): Aprovecha las características de la vista complementaria (por ejemplo, las características MLO como claves/valores para el flujo CC) para permitir una atención selectiva a regiones anatómicamente relevantes entre las vistas.
   • Los resultados se fusionan mediante suma elemento a elemento, seguido de Normalización de Capa (Layer Normalization), DropPath (profundidad estocástica) y una Red de Alimentación hacia Adelante (FFN) con conexiones residuales.
6. Fusión Final y Predicción de Riesgo: Las características refinadas de ambas vistas se agrupan (pooling) y se concatenan en una representación multivista fusionada. Esta pasa a través de una capa de probabilidad acumulativa compuesta por capas totalmente conectadas para predecir los riesgos en futuros pasos de tiempo (1–5 años). El modelo se entrena utilizando una pérdida de entropía cruzada binaria dependiente del tiempo con enmascaramiento para pacientes censurados, empleando un aprendizaje conjunto multinivel para capturar las dependencias entre las vistas.

Contribuciones Clave

1. Arquitectura LMV-Net: Un marco novedoso que facilita la integración multivista y de múltiples puntos temporales mediante el alineamiento explícito de características y la fusión temporal entre vistas, imitando estrechamente el flujo de trabajo de los radiólogos.
2. Bloque de Atención de Doble Flujo: Un mecanismo que refina las características longitudinales de cada vista utilizando atención paralela de auto y de cruce, capturando eficazmente tanto las dependencias intra-vista como la información complementaria entre vistas.
3. Validación Extensa: Una evaluación robusta en dos grandes conjuntos de datos públicos (EMBED y CSAW-CC), demostrando mejoras de rendimiento consistentes sobre los métodos de vanguardia (state-of-the-art).

Resultados
El modelo fue evaluado en los conjuntos de datos EMBED y CSAW-CC, comparando su rendimiento contra líneas base de vanguardia incluyendo Mirai, VMRA-MaR, OA-BreaCR e ImgFeatAlign.

• Rendimiento General: LMV-Net superó consistentemente a todas las líneas base en C-índice y AUC en horizontes de riesgo de 1 a 5 años en ambos conjuntos de datos. En EMBED, el LMV-Net ajustado logró un C-índice del 81.4% (1 año) y del 80.0% (5 años), lo que representa una mejora estadísticamente significativa ($p < 0.05$) de aproximadamente un 6.7% sobre la mejor línea base. En CSAW-CC, alcanzó un C-índice del 74.4% (1 año) y del 73.5% (5 años), con una mejora del 1.7% sobre la mejor línea base.
• Análisis de Subgrupos: El modelo demostró una robustez particular en escenarios desafiantes, logrando el C-índice más alto en casi todas las categorías de densidad mamaria (baja, media, alta) y tipos de cáncer (invasivo frente a otros). Las mejoras fueron más pronunciadas en los grupos de densidad media y alta.
• Estudios de Ablación: La eliminación de componentes clave (alineamiento longitudinal, modelado multivista, atención de doble flujo o ajuste del codificador) degradó consistentemente el rendimiento, confirmando la necesidad de cada elemento arquitectónico.
• Análisis de Atención: La visualización de los mapas de atención reveló que el bloque de Atención de Doble Flujo concentra una densidad de atención significativamente mayor (8–10×) en las regiones tumorales en comparación con el tejido circundante, validando su capacidad para centrarse en áreas clínicamente relevantes.

Significancia y Reivindicaciones
El artículo sostiene que LMV-Net aborda una brecha crítica en la predicción del riesgo de cáncer de mama al integrar con éxito el alineamiento longitudinal explícito con el análisis multivista. Los autores afirman que su enfoque:

• Mejora la Estratificación del Riesgo: Al aprovechar las señales espacio-temporales complementarias, el modelo proporciona evaluaciones de riesgo más fiables, particularmente para mujeres con tejido mamario denso donde la sensibilidad tradicional se reduce.
• Imita el Flujo de Trabajo Clínico: El alineamiento explícito y el procesamiento de doble vista reflejan cómo los radiólogos comparan los exámenes previos y actuales, lo que conduce a una extracción de características más relevante desde el punto de vista clínico.
• Permite un Cribado Personalizado: La mejora en la precisión para identificar pacientes de alto riesgo apoya el desarrollo de estrategias de cribado personalizadas y una asignación más eficiente de los recursos de cribado.

Los autores concluyen que, si bien sus resultados demuestran el valor del modelado conjunto de múltiples vistas y de forma longitudinal, el trabajo futuro debería explorar la incorporación de múltiples exámenes previos para un contexto temporal más rico y evaluar métricas adicionales como el AUC de Precisión-Recall para abordar el desequilibrio de clases.