Multimodal B-Mode and Contrast-Enhanced Ultrasound Radiomics With Two-Stage Supervised Contrastive Representation Learning for Differentiating Benign and Malignant Breast Lesions

Resumen Técnico: Radiómica Multimodal de B-Mode y Ultrasonido con Contraste mediante Aprendizaje de Representación Contrastiva Supervisada de Dos Etapas

Planteamiento del Problema
La diferenciación precisa entre lesiones mamarias benignas y malignas sigue siendo un desafío clínico crítico. Aunque la ecografía en modo B (BUS) es un examen de primera línea rutinario, su precisión diagnóstica es limitada debido a la dependencia de la evaluación visual de características morfológicas (forma, margen, ecogenicidad), lo que conduce a biopsias innecesarias o la omisión de malignidades. El ultrasonido con contraste (CEUS) proporciona información complementaria sobre la perfusión microvascular de la lesión y los patrones de realce, pero no siempre se integra eficazmente con los datos de BUS. Los enfoques de radiómica convencionales suelen concatenar características de múltiples modalidades en un único conjunto de alta dimensión, lo que puede difuminar las distribuciones específicas de cada modalidad y no logra aprender explícitamente el acuerdo o la divergencia entre las señales de BUS y CEUS. Este estudio aborda la necesidad de un método robusto para fusionar las características radiómicas complementarias de BUS y CEUS sin reducirlas a un simple conjunto de características, con el objetivo de mejorar la discriminación entre benigno y maligno.

Metodología
Este estudio retrospectivo unicéntrico analizó a 486 mujeres con lesiones mamarias confirmadas patológicamente (310 benignas, 176 malignas) que se sometieron tanto a BUS como a CEUS. El flujo de trabajo consistió en la segmentación manual 3D de las regiones de interés (ROI) por parte de radiólogos experimentados, seguida de la extracción de características radiómicas mediante PyRadiomics. Se retuvieron las características con alta reproducibilidad (Coeficiente de Correlación Intraclase > 0.75).

El núcleo del estudio fue el desarrollo y la comparación de seis modelos:

1. Modelos de Radiómica Convencional: Clasificadores de Máquina de Vectores de Soporte (SVM) entrenados solo con BUS, solo con CEUS y con características concatenadas de BUS+CEUS.
2. Fusión de Redes Neuronales: Un Perceptrón Multicapa (BUS+CEUS-MLP) entrenado con características concatenadas para aprender relaciones no lineales.
3. Radiomics-TSMCR (Modelo Primario): Una adaptación radiómica del Aprendizaje de Representación Contrastiva Supervisada Multimodal de Dos Etapas (TSMCR). Esta arquitectura presenta:
   • Etapa 1: Codificadores específicos de la modalidad que transforman las características de BUS y CEUS en representaciones latentes separadas, preservando distribuciones distintas (morfología frente a perfusión). Un objetivo contrastivo cross-modal supervisado por lotes alinea las representaciones de la misma clase y separa las clases diferentes utilizando etiquetas patológicas, sin concatenación directa de características.
   • Etapa 2: Un codificador compartido aprende características cross-modales de nivel superior. Las representaciones de ambas etapas se concatenan en un vector multinivel y se clasifican mediante un clasificador basado en márgenes inspirado en la Máquina de Vectores de Soporte Profunda (DSVM).
4. ResNet18-TSMCR: Un comparador a nivel de imagen utilizando parches de imagen BUS y CEUS emparejados (128x128) procesados a través de ramas duales de ResNet18 dentro del mismo marco TSMCR, que sirve como un benchmark exploratorio frente a la radiómica artesanal.

El rendimiento del modelo se evaluó mediante el Área Bajo la Curva ROC (AUC), la prueba de DeLong, curvas de calibración, pruebas de Hosmer-Lemeshow, Análisis de Curva de Decisión (DCA) y SHapley Additive exPlanations (SHAP) para la interpretabilidad. Se aplicó la recalibración post-hoc mediante escalado de Platt y regresión isotónica al modelo primario.

Resultos Clave

• Rendimiento: El modelo Radiomics-TSMCR alcanzó el AUC de validación interna más alto de 0.896 (IC 95%, 0.838–0.945). Superó significativamente a BUS-SVM (0.833), CEUS-SVM (0.815), BUS+CEUS-SVM (0.825) y BUS+CEUS-MLP (0.863) (todos con P < 0.05).
• Comparación con el Aprendizaje a Nivel de Imagen: El Radiomics-TSMCR mostró un rendimiento comparable al modelo de aprendizaje a nivel de imagen ResNet18-TSMCR (AUC 0.892), sin una diferencia estadísticamente significativa (P = 0.9102).
• Calibración: Aunque el modelo demostró una fuerte discriminación, la salida bruta mostró una falta de ajuste significativa en la prueba de Hosmer-Lemeshow. La regresión isotónica mejoró las métricas de calibración (Error de Calibración Esperada, puntuación de Brier, pérdida de logaritmo) en comparación con el escalado de Platt, aunque la prueba de Hosmer-Lemeshow siguió siendo significativa, lo que indica que el modelo funciona mejor como una herramienta de clasificación de riesgo que como un estimador de probabilidad totalmente calibrado.
• Interpretabilidad: El análisis SHAP reveló contribuciones equilibradas de ambas modalidades, con las características de BUS contribuyendo con un 54.95% y las de CEUS con un 45.05% al valor absoluto medio de SHAP total. Las características principales incluyeron textura de wavelet, forma e información de dependencia de nivel de gris, confirmando la integración de datos de heterogeneidad morfológica y de realce.

Significación y Reivindicaciones
El artículo sostiene que el modelo multimodal Radiomics-TSMCR demuestra un desempeño favorable para diferenciar lesiones mamarias benignas de malignas en un entorno de validación interna. Su principal significación radica en la adaptación exitosa de un marco de aprendizaje contrastivo supervisado de dos etapas a los datos de radiómica. Los autores postulan que este enfoque fusiona eficazmente la información de BUS y CEUS al preservar las distribuciones específicas de cada modalidad mientras aprende una representación compartida guiada por la patología, superando los métodos de concatenación convencionales (SVM, MLP).

El rendimiento comparable entre el modelo de radiómica artesanal (Radiomics-TSMCR) y el modelo de aprendizaje profundo a nivel de imagen (ResNet18-TSMCR) sugiere que la estrategia TSMCR es aplicable tanto a representaciones basadas en características como en imágenes. Además, las contribuciones equilibradas de SHAP apoyan la premisa de que BUS y CEUS proporcionan información diagnóstica complementaria. Los autores concluyen que, si bien el modelo muestra una fuerte discriminación, sus limitaciones actuales —específicamente la falta de validación externa y la calibración imperfecta— requieren que sea visto como una herramienta de clasificación de riesgo que necesita una validación prospectiva y multicéntrica adicional antes de su despliegue clínico como un estimador de probabilidad absoluta.