CUPID-Med: Conformal Uncertainty-aware Prototype Discovery for Clinically Interpretable Deep Medical Clustering

Resumen Técnico de CUPID-Med: Descubrimiento de Prototipos con Incertidumbre Conforme para el Agrupamiento Médico Profundo Clínicamente Interpretable

Planteamiento del Problema
El agrupamiento profundo médico (deep medical clustering) tiene como objetivo descubrir subgrupos de enfermedades latentes a partir de datos médicos no etiquetados, una tarea crítica dada la alta dificultad y variabilidad de la anotación experta. Sin embargo, los enfoques de agrupamiento profundo existentes sufren tres limitaciones principales:

1. Asignaciones Deterministas: La mayoría de los métodos fuerzan las muestras a etiquetas de clúster únicas y rígidas, sin tener en cuenta la naturaleza continua, superpuesta y heterogénea de los fenotipos clínicos.
2. Falta de Incertidumbre Calibrada: Los procesos estándar rara vez proporcionan estimaciones de incertidumbre calibradas o mecanismos formales para identificar casos ambiguos que requieran revisión experta.
3. Interpretabilidad Limitada: Los resultados de agrupamiento carecen de resúmenes clínicamente significativos, como prototipos representativos o explicaciones visuales, lo que los hace difíciles de inspeccionar y confiar para los clínicos.

Además, aunque los modelos fundacionales médicos proporcionan representaciones poderosas, sus incrustaciones (embeddings) fijas pueden codificar artefactos no clínicos (p. ej., sesgos de adquisición) y no admiten inherentemente el descubrimiento de subgrupos conscientes de la incertidumbre.

Metodología: CUPID-Med
Los autores proponen CUPID-Med, un marco diseñado para transformar incrustaciones médicas fijas en subgrupos calibrados, interpretables y conscientes de la incertidumbre. La arquitectura consta de cinco etapas principales:

1. Codificación de Fundamentos Médicos: El marco utiliza codificadores de fundamentos médicos (o backbones preentrenados como DenseNet121) para mapear las entradas brutas (imágenes o datos multimodales) en una representación unificada. En el entorno de solo imagen (CheXpert), esto implica el embebido de parches (patch embedding) y el procesamiento basado en Transformers o la extracción de características mediante CNN.
2. Aprendizaje de Representación Latente Distribucional: En lugar de mapear las muestras a puntos deterministas, CUPID-Med representa cada muestra como una distribución Gaussiana $N(\mu_i, \text{diag}(\sigma_i^2))$. Esto se logra mediante una cabeza de proyección que genera vectores de media y log-varianzas. El modelo emplea pérdidas de consistencia autosupervisadas (divergencia KL entre vistas aumentadas) y objetivos contrastivos para aprender distribuciones latentes robustas. Se deriva una puntuación de incertidumbre escalar $u_i$ a partir de la varianza latente.
3. Agrupamiento Profundo Basado en Prototipos: El marco mantiene un banco de memoria aprendible de $K$ prototipos que representan subgrupos de enfermedades latentes. Optimiza un objetivo de agrupamiento que combina:
   • Refinamiento de la distribución objetivo (alineando las asignaciones suaves con un objetivo refinado).
   • Compacidad del prototipo (minimizando la distancia entre las muestras y sus prototipos asignados).
   • Equilibrio de clúster (fomentando la utilización uniforme de los prototipos).
   • Separación de prototipos (maximizando la distancia entre distintos prototipos).
4. Calibración de Incertidumbre Conforme: Para abordar la necesidad de límites de decisión fiables, CUPID-Med adapta la predicción conforme al entorno no supervisado. Convierte las asignaciones de clúster suaves en predicciones de valores de conjunto.
   • Se calcula una puntuación de no conformidad basada en la baja confianza de asignación y la incertidumbre latente.
   • Se estima un umbral en un conjunto de calibración para garantizar la cobertura libre de distribución.
   • Para una muestra de prueba, el resultado es un conjunto de clústeres candidatos $\Gamma_\alpha(x)$. Si el conjunto contiene múltiples clústeres o la incertidumbre es alta, la muestra se marca para revisión experta en lugar de ser forzada a una única etiqueta.
5. Resultados Clínicamente Interpretables: El sistema genera "tarjetas de clúster" que contienen imágenes representativas (muestras más cercanas al prototipo), perfiles de enriquecimiento clínico (si hay etiquetas disponibles post-hoc) y distribuciones de incertidumbre. Las explicaciones visuales (p. ej., Grad-CAM) se mencionan como extensiones futuras, con el enfoque actual en la recuperación de prototipos.

Contribuciones Clave

• Integración de Marco: La propuesta de un marco unificado que combina la codificación de fundamentos médicos, el aprendizaje de latencia distribucional, el descubrimiento de prototipos y la calibración conforme para el agrupamiento médico.
• Asignación Consciente de la Incertidumbre: La introducción de una estrategia conforme que produce predicciones de valores de conjunto, identificando explícitamente casos ambiguos para la revisión humano-en-el-bucle en lugar de proporcionar etiquetas deterministas.
• Interpretabilidad Impulsada por Prototipos: Un mecanismo para recuperar muestras representativas para cada clúster, permitiendo el razonamiento basado en casos y la inspección visual.
• Protocolo de Entrenamiento Sin Etiquetas: La definición de un protocolo de evaluación riguroso en el conjunto de datos CheXpert donde las etiquetas de enfermedad se excluyen estrictamente del entrenamiento y se utilizan únicamente para el enriquecimiento clínico post-hoc y el análisis de interpretabilidad.

Resultados Experimentales
El marco fue evaluado en un subconjunto de 5,000 imágenes frontales del conjunto de datos CheXpert utilizando un protocolo de entrenamiento sin etiquetas.

• Rendimiento de la Línea Base: El agrupamiento preliminar en incrustaciones fijas de DenseNet121 utilizando métodos estándar (K-means, GMM, Aglomerativo) produjo una separación débil. La mejor línea base (K-means, $K=5$) logró un coeficiente de Silueta de 0.0510 y un índice de Davies–Bouldin de 3.6950.
• Rendimiento de CUPID-Med: La ejecución principal de CUPID-Med ($K=14$) alcanzó un coeficiente de Silueta de 0.5175, un índice de Davies–Bouldin de 2.7809 y un coeficiente de Calinski–Harabasz de 29,733.16.
• Ejecución Secundaria: Una ejecución secundaria de 50 épocas mostró métricas internas aún más altas (Silueta: 0.6216), pero exhibió una advertencia de clúster vacío, lo que llevó a los autores a tratar la ejecución de 80 épocas como el resultado oficial reproducible.
• Observaciones: Aunque CUPID-Med mejoró significativamente la separación latente en comparación con las líneas base deterministas, la ejecución principal exhibió un desequilibrio en el tamaño de los clústeres (que varía de 2 a 1,132 muestras por clúster), lo que indica que la regularización del equilibrio de prototipos requiere un mayor refinamiento.

Significancia y Reivindicaciones
El artículo afirma que el aprendizaje de prototipos distribucionales puede producir subgrupos de imágenes médicas más estructurados e interpretables que el agrupamiento determinista de incrustaciones profundas fijas.

• Cambio de Paradigma: El trabajo argumenta que es necesario pasar de "clústeres duros opacos" a un "descubrimiento de subgrupos calibrado, interpretable y consciente de la incertidumbre".
• Utilidad Clínica: Al generar predicciones de valores de conjunto y marcar casos inciertos, el marco se alinea mejor con la realidad clínica, donde los fenotipos superpuestos y los hallazgos ambiguos son comunes.
• Modestia en el Despliegue: Los autores declaran explícitamente que, si bien su método demuestra una separación interna e interpretabilidad superiores, el desequilibrio de clústeres observado y la necesidad de una regularización de equilibrio más fuerte significan que el método aún no está listo para un despliegue clínico estable como herramienta de descubrimiento de fenotipos. Los resultados se presentan como una prueba de concepto para un flujo de trabajo de agrupamiento más confiable y centrado en el humano.