Resumen Técnico: BAT-RM para el Autocontorneo de Radioterapia en Cáncer Cervical

1. Planteamiento del Problema

El cáncer cervical sigue siendo una de las principales causas de mortalidad por cáncer a nivel mundial, con una carga desproporcionada en los países de ingresos bajos y medios (PIBM) como Bangladesh, donde la escasez severa de oncólogos radioterápicos resulta en tiempos de espera para el tratamiento superiores a los seis meses. La administración segura de la radioterapia depende de la delineación manual precisa de los volúmenes de objetivo (Volumen Tumoral Macroscópico [GTV], Volumen Clínico de Objetivo [CTV]) y de los Órganos en Riesgo (OAR: vejiga, recto, intestino delgado, cabezas femorales). El contorneo manual es laborioso (de 45 minutos a 3 horas por paciente) y sufre de una variabilidad interobservador significativa.

Las soluciones de aprendizaje profundo existentes enfrentan tres limitaciones primarias en este contexto:

1. Precisión de los Bordes: Las arquitecturas convolucionales suelen carecer de mecanismos explícitos para la delineación de bordes de tejidos blandos, lo que conduce a una precisión subóptima en interfaces críticas (p. ej., GTV-parametrio).
2. Contexto de Largo Alcance: Los Transformers abordan el contexto global pero incurren en una complejidad computacional cuadrática ($O(n^2)$), lo que hace prohibitivo el procesamiento a resolución completa (512×512) en hardware clínico. Por el contrario, las CNN tienen campos receptivos limitados.
3. Brecha de Validación Clínica: La mayoría de los estudios dependen de conjuntos de datos de una sola institución sin un análisis riguroso de generalización multicéntrica o estudios de lectores prospectivos que midan la eficiencia del flujo de trabajo y el impacto a nivel de paciente en entornos con recursos limitados.

2. Metodología: Arquitectura BAT-RM

Los autores proponen BAT-RM (Transformer Sensible a los Bordes con Mamba Sensible a la Región), una arquitectura híbrida 2D de múltiples ramas diseñada para lograr simultáneamente una alta precisión de los bordes y un modelado eficiente del contexto de largo alcance. El sistema procesa cortes axiales de TC (512×512) y reconstruye volúmenes 3D mediante postprocesamiento.

Componentes Arquitectónicos Principales

El modelo integra un backbone jerárquico de codificador-decodificador CNN con tres módulos especializados:

1. Rama de Transformer de Bordes con Puerta (BAT):

   • Función: Modela explícitamente los bordes de los órganos para resolver la ambigüedad en las interfaces de tejidos.
   • Mecanismo: Opera sobre las características del codificador $E_3$ (resolución 128×128). Calcula un mapa de magnitud de gradiente espacial utilizando operadores de Sobel fijos sobre las activaciones de las características. Este mapa de gradiente se colapsa en una puerta espacial aprendible ($\mathcal{G} \in [0,1]$) mediante una convolución de 1×1 y una activación sigmoide.
   • Atención: La puerta modula las proyecciones de Consulta ($Q$) y Clave ($K$) en un mecanismo de Autoatención de Multi-Cabeza con Agrupación de Tiras (Strip-Pooling), lo que restringe el cálculo de la atención a las regiones de alto gradiente, reduciendo la complejidad de $O(n^2)$ a $O(H+W)$ y enfocándose en interfaces de tejido clínicamente relevantes (p. ej., GTV-parametrio).
   • Supervisión Auxiliar: Una cabeza de predicción de bordes genera un mapa de probabilidad de bordes entrenado con pérdida de Entropía Cruzada Binaria (BCE).

2. Módulo de Contexto Recurrente Multidireccional (Rama RM):

   • Función: Captura dependencias anatómicas de largo alcance (p. ej., bucles de intestino delgado dispersos) con una complejidad computacional lineal.
   • Mecanismo: Opera sobre las características del cuello de botella ($E_5$, resolución 32×32). Emplea un Modelo de Espacio de Estados (SSM) Mamba con escaneo secuencial en cuatro direcciones (Norte→Sur, Sur→Norte, Este→Oeste, Oeste→Este).
   • Eficiencia: Al serializar el mapa de características 2D en cuatro secuencias 1D y procesarlas con el escaneo selectivo de Mamba, el módulo logra una complejidad de $O(n)$, evitando los cuellos de botella de memoria de la autoatención espacial completa.
   • Puerta: Las puertas con activación SiLU suprimen tokens no informativos (p. ej., fondo homogéneo) mientras amplifican las estructuras anatómicamente relevantes.

3. Módulo de Fusión de Atención de Región-Borde (BRAF):

   • Función: Combina adaptativamente las características sensibles a los bordes (de BAT) y el contexto global sensible a la región (de RM).
   • Mecanismo: Las características de RM se reescalan para coincidir con la resolución de BAT. Una puerta de atención espacial-canal aprendible ($\alpha$) calcula una combinación convexa de las dos corrientes. Las características fusionadas son moduladas posteriormente por el esqueleto de borde ($\hat{B}$) predicho por la rama BAT para imponer una delineación de bordes nítida antes de pasar al decodificador.

Estrategia de Entrenamiento

• Función de Pérdida: Una pérdida compuesta supervisa la superposición de segmentación, la precisión del borde y la suavidad:
  • Pérdida de Dice Suave (Soft Dice Loss): Ponderada por la frecuencia inversa de vóxeles para manejar el desequilibrio de clases.
  • Pérdida Focal (Focal Loss): Se enfoca en el entrenamiento de píxeles de bordes difíciles y ambiguos.
  • Pérdida BCE de Borde: Supervisa la cabeza de borde auxiliar.
  • Regularización de Suavidad: Penaliza las discrepancias de gradiente entre los mapas predichos y los reales para evitar contornos dentados.
• Datos: Entrenado en un conjunto de datos multiinstitucional de 1,011 pacientes de tres centros de Bangladesh (BMU, SHL, LSH), que cubre siete clases anatómicas.

Pipeline de Inferencia

El sistema emplea una estrategia de inferencia 2D por corte seguida de un postprocesamiento de Gauss 3D ($\sigma=0.8$ mm) para asegurar la continuidad entre cortes sin el costo de memoria de las redes 3D. El resultado se reconstruye en un conjunto de estructuras DICOM RT compatible con los sistemas de planificación de tratamiento Varian, RayStation y Monaco.

3. Contribuciones Clave

1. Arquitectura Híbrida Novedosa: Introducción de BAT-RM, que combina de manera única la atención de bordes con puerta de Sobel, el escaneo Mamba multidireccional y la fusión guiada por el esqueleto de bordes para abordar simultáneamente la precisión de los bordes y el contexto de largo alcance.
2. Conjunto de Datos Multiinstitucional de Gran Escala: Creación y control de calidad riguroso del mayor conjunto de datos de TC de cáncer cervical de un entorno de ingresos bajos y medios (1,011 pacientes, tres centros, siete clases), incluyendo análisis de fiabilidad interevaluador (Jaccard medio = 0.961).
3. Validación Clínica Exhaustiva:
   • Cuantitativa: Desempeño superior frente a cuatro líneas base (nnUNet, SegMamba, TransUNet, UNETR) en todas las siete clases con mejoras estadísticamente significativas (corregidas por Bonferroni-Holm).
   • Cualitativa: Evidencia mecanística mediante mapas de error, superposición de contornos y análisis GradCAM de múltiples métodos que confirman el enfoque en los bordes.
   • Estudio de Lectores Prospectivo: Un estudio multicéntrico con 13 oncólogos (100 casos) que demuestra mejoras significativas en el flujo de trabajo.
4. Despliegue Clínico de Extremo a Extremo: Desarrollo de una aplicación web de grado de producción con exportación nativa de DICOM RTSTRUCT, desplegada en la Universidad Médica de Bangladesh, reduciendo los tiempos de espera de los pacientes de días a horas.

4. Resultados

Desempeño Cuantitativo

BAT-RM logró resultados de vanguardia en el conjunto de prueba no visto (254 pacientes):

• Volúmenes de Objetivo: Dice GTV = 0.9662 (vs. nnUNet 0.9450); Dice CTV = 0.9571 (vs. nnUNet 0.8966).
• OARs: Dice Recto = 0.9556; Dice Vejiga = 0.9655; Dice Intestino Delgado = 0.9741.
• Precisión de Bordes: HD95 GTV = 1.500 mm; HD95 CTV = 1.507 mm; HD95 Recto = 1.242 mm. Estos representan reducciones significativas en el error de borde comparado con las líneas base (p. ej., reducción de HD95 GTV en un 38.7% vs. nnUNet).
• Eficiencia: 28.4M de parámetros, 41.2 GFLOPs y tiempo de inferencia de 18.3 ms por corte en una sola GPU NVIDIA T4 (3.8 GB VRAM), superando significativamente a las líneas base 3D en velocidad y uso de memoria.

Hallazgos del Estudio de Lectores

• Precisión: La asistencia de la IA elevó el IoU de los oncólogos junior de 0.899 a 0.965 (acercándose al desempeño de los seniores sin asistencia de 0.938).
• Eficiencia: El tiempo de contorno se redujo en un 80.7% para los juniors (de 152 a 29 minutos por caso).
• Flujo de Trabajo: La tasa de consulta de expertos para los juniors cayó de 52.1% a 14.3%. Las puntuaciones de confianza autoinformadas aumentaron un 40% para los juniors.
• Impacto del Despliegue: Tras el despliegue, los tiempos de espera de los pacientes para la simulación de radioterapia disminuyeron de 1–3 días a 2–3 horas sin personal adicional.

Estudios de Ablación

La ablación sistemática confirmó la necesidad de cada componente:

• Eliminar el bloque BAT causó la mayor caída de desempeño (mIoU -0.0509), particularmente en estructuras con bordes ambiguos como el recto y el GTV.
• Eliminar el bloque RM degradó el desempeño en estructuras que requieren contexto global (vejiga, cabezas femorales).
• Eliminar el módulo de fusión BRAF redujo el desempeño en todos los OARs pequeños, resaltando la importancia de la combinación adaptativa de características.

5. Significado y Reivindicaciones

El artículo sostiene que BAT-RM demuestra un riguroso proceso de traslación que va más allá de los ejercicios de referencia para entregar beneficios medibles para el paciente en entornos con recursos limitados. Las reivindicaciones clave incluyen:

• Superioridad Técnica: La integración de la atención sensible a los bordes y el escaneo Mamba de tiempo lineal resuelve los desafíos duales de la precisión de los bordes y el contexto de largo alcance sin costos computacionales prohibitivos.
• Utilidad Clínica: El sistema no es meramente una mejora algorítmica, sino una herramienta desplegable que reduce significativamente la carga de trabajo del clínico y los tiempos de espera, permitiendo el inicio del tratamiento el mismo día o al día siguiente.
• Relevancia para los PIBM: El estudio proporciona el primer estudio de lectores multicéntrico para el autocontorneo de cáncer cervical en un entorno de PIBM, demostrando que la IA puede mitigar la escasez de especialistas y mejorar la equidad en la atención.
• Robustez: El modelo se generaliza a través de fabricantes de escáneres y protocolos heterogéneos de tres instituciones y mantiene su desempeño en una cohorte externa independiente (230 pacientes) sin ajuste fino.

Los autores concluyen que este trabajo establece un marco para trasladar la investigación de aprendizaje automático al impacto clínico directo, caracterizado por la curación de datos multicéntricos, el diseño de arquitectura motivado por fallos clínicos y el despliegue en la práctica rutinaria.