Evaluating Deep-Learning Based Quantification of Breast Arterial Calcification on Mammography for Cardiovascular Risk Assessment

Resumen Técnico: Evaluación de la cuantificación basada en aprendizaje profundo de la calcificación arterial mamaria en la mamografía para la evaluación del riesgo cardiovascular

Planteamiento del problema
Las enfermedades cardiovasculares (ECV) siguen siendo la principal causa de muerte entre las mujeres; sin embargo, las herramientas tradicionales de predicción de riesgo suelen clasificar erróneamente a las mujeres, particularmente en las cohortes de edad temprana y media, como de bajo riesgo. Esta subestimación conduce a un diagnóstico tardío y a un tratamiento insuficiente. Si bien las calcificaciones arteriales son factores de riesgo establecidos para los eventos cardiovasculares adversos mayores (MACE), su detección requiere típicamente pruebas especializadas que solo se solicitan tras la sospecha clínica. La mamografía de cribado, realizada anualmente a aproximadamente 40 millones de mujeres en los EE. UU., ofrece un recurso vasto y sin explotar para la "imagen oportunista": la cuantificación sistemática de biomarcadores a partir de exámenes realizados por otras razones clínicas. Sin embargo, las calcificaciones arteriales mamarias (BAC, por sus siglas en inglés) rara vez se cuantifican o se informan sistemáticamente en las mamografías de rutina. El desafío radica en desarrollar un método escalable y automatizado para detectar y cuantificar las BAC para evaluar su utilidad como predictor del riesgo cardiovascular futuro.

Metodología
Este estudio retrospectivo, realizado en el NYU Langone Health, utilizó una cohorte de 202.006 mujeres (edad media 54,8 ± 11,7 años) que se sometieron a mamografía digital de campo completo (FFDM) de cribado entre 2010 y 2022, excluyendo a aquellas con antecedentes de MACE.

• Construcción del conjunto de datos: Se creó un conjunto de datos anotado por expertos con 2.676 imágenes de FFDM para el desarrollo del modelo. Las imágenes se seleccionaron mediante una estrategia de enriquecimiento que equilibraba los casos positivos y negativos de BAC basándose en los informes radiológicos, con etiquetas finales determinadas mediante revisión manual y anotación a mano alzada por un residente de radiología, verificadas por un radiólogo especialista en mama. El conjunto de datos se dividió en conjuntos de entrenamiento (1.907 imágenes), validación (360 imágenes) y prueba (409 imágenes).
• Arquitectura de aprendizaje profundo: Se desarrolló una red neuronal convolucional multitarea utilizando una arquitectura U-Net con un codificador ResNet-18. El modelo fue entrenado para producir conjuntamente:
  1. Un mapa de segmentación de BAC a nivel de píxel.
  2. Una probabilidad a nivel de imagen de la presencia de BAC.
     El objetivo de entrenamiento combinó la pérdida Focal-Tversky para la segmentación y la entropía cruzada binaria para la clasificación, con una función de pérdida ponderada ($\lambda = 0,1$) que favorece la segmentación.
• Pipeline de cuantificación: Tras la segmentación, se generaron máscaras binarias utilizando un umbral de probabilidad de 0,5. La carga de BAC se cuantificó como área física (mm²) multiplicando el recuento de píxeles del primer plano por los valores de espaciado de píxeles codificados en DICOM. La carga por examen se calculó promediando el área en las cuatro vistas (craneocaudal y mediolateral oblicua) para un paciente.
• Modelado de riesgo: El estudio evaluó el valor predictivo de la carga de BAC derivada de la IA para la incidencia de MACE en horizontes de 5 y 10 años. Se desarrollaron cuatro modelos de riesgos proporcionales de Cox: (i) la carga de BAC sola, (ii) la puntuación PREVENT de la ACC/AHA sola, (iii) un modelo combinado de BAC + PREvent, y (iv) un modelo combinado de factores de riesgo clínicos estándar + BAC. El rendimiento se evaluó en un conjunto de prueba interno y en una cohorte de prueba geográficamente externa (Brooklyn) para evaluar la generalizabilidad.

Contribuciones clave

1. Cuantificación automatizada: El estudio presenta un pipeline de aprendizaje profundo capaz de detectar y cuantificar la carga de BAC en milímetros cuadrados en mamografías de cribado de rutina con alta precisión.
2. Validación a gran escala: El modelo fue validado en una cohorte masiva de más de 200.000 mujeres, con un conjunto de prueba geográficamente externo específico (Brooklyn) que demuestra robustez a través de diferentes poblaciones demográficas.
3. Estratificación de riesgo: La investigación establece una relación graduada entre la carga de BAC derivada de la IA y la incidencia de MACE, yendo más allá de la presencia/ausencia binaria hacia la estratificación de la carga continua.
4. Análisis comparativo: El artículo compara rigurosamente el poder predictivo de la BAC derivada de la IA frente a la puntuación PREVENT y los factores de riesgo clínicos estándar, proporcionando una evaluación realista de su valor incremental.

Resultos

• Rendimiento del modelo: En el conjunto de prueba geográficamente externo, el modelo de detección de BAC alcanzó un AUROC de 0,97. Para la segmentación, el coeficiente Dice fue de 0,6678. La correlación entre la carga de BAC derivada de la IA y la anotada manualmente fue fuerte (Pearson $r = 0,961$), aunque el modelo mostró una ligera sobreestimación sistemática (sesgo medio de +10,3 mm²).
• Prevalencia y distribución: La detección de BAC por IA estuvo presente en el 23,1% de la cohorte. La carga de BAC aumentó con la edad y presentó un sesgo a la derecha, con una mediana de carga de 19,51 mm² entre los pacientes positivos para BAC.
• Asociación con MACE: La carga de BAC se asoció significativamente con futuros MACE. La incidencia de MACE a 5 años aumentó del 1,5% en mujeres sin BAC al 6,9% en aquellas con alta carga de BAC. Del mismo modo, la incidencia a 10 años aumentó del 2,6% al 10,4% entre estos grupos.
• Rendimiento predictivo:
  • BAC sola: Mostró una discriminación modesta, con AUROC de 5 y 10 años de 0,661 y 0,650, respectivamente.
  • Puntuación PREVENT sola: Realizó significativamente mejor, con AUROC de 5 y 10 años de 0,781 y 0,771, respectivamente.
  • Modelos combinados: Añadir la carga de BAC a la puntuación PREVENT resultó en una mejora mínima en la discriminación (por ejemplo, el AUROC a 5 años aumentó solo en 0,0001).

Significancia y afirmaciones
Los autores concluyen que la cuantificación de la BAC mediante aprendizaje profundo a partir de la mamografía de rutina es factible, precisa y está asociada con el riesgo cardiovascular futuro. Sin embargo, mantienen una postura modesta respecto a su utilidad clínica como predictor independiente. El artículo afirma que, si bien la carga de BAC por sí sola no mejora significativamente la discriminación cuando se añade a la puntuación PREVENT, sirve como un valioso biomarcador de imagen oportunista escalable.

La importancia radica en el potencial de hacer que el riesgo cardiovascular sea "visible y accionable" para las mujeres que, de otro modo, podrían ser clasificadas como de bajo riesgo por las herramientas tradicionales. Al aprovechar la infraestructura existente de la mamografía, este enfoque podría identificar a mujeres con riesgo elevado sin costes adicionales, radiación o carga para el paciente, lo que potencialmente impulsaría una evaluación de riesgo más temprana, la evaluación de lípidos y la atención preventiva. Los autores posicionan la BAC no como un reemplazo de los modelos de riesgo clínico, sino como un marcador de imagen complementario y estandarizado que puede activar el soporte de decisiones clínicas y las intervenciones preventivas.