Evaluating Children’s Growth Based on Carpal Bones in Left-Hand X-Ray Images Using Deep Learning

Resumen Técnico: Evaluación del crecimiento infantil basado en los huesos carpianos en imágenes de rayos X de la mano izquierda mediante aprendizaje profundo

Planteamiento del problema
La evaluación de la edad ósea (BAA, por sus siglas en inglés) es una herramienta diagnóstica crítica en la radiología pediátrica y la endocrinología para evaluar la maduración esquelética y guiar el tratamiento de los trastornos del crecimiento. Los métodos clínicos tradicionales, como el atlas de Greulich–Pyle (GP) y el sistema de puntuación de Tanner–Whitehouse (TW), dependen de la comparación visual manual de los centros de osificación. Estos enfoques son inherentemente subjetivos, requieren mucho tiempo y son propensos a la variabilidad inter e intraobservador. Si bien los avances recientes en el aprendizaje profundo han automatizado la BAA, la mayoría de los modelos de vanguardia tratan la radiografía completa de la mano como una entrada global. En consecuencia, la contribución predictiva específica de regiones anatómicas distintas —particularmente los huesos carpianos más allá de la infancia temprana— permanece subcaracterizada. Este estudio investiga si los huesos carpianos por sí solos contienen información suficiente relacionada con la edad para respaldar una BAA precisa a través de la infancia y la adolescencia, ofreciendo potencialmente una alternativa más enfocada y eficiente al análisis de la mano completa.

Metodología
La investigación utiliza el conjunto de datos de edad ósea pediátrica de la RSNA, que comprende 12,811 radiografías de manos izquierdas de pacientes pediátricos (edades de 1 a 228 meses). Debido al desequilibrio en el conjunto de datos original (específicamente la escasez de muestras en la infancia temprana y la pospubertad) y la falta de etiquetas públicas para el conjunto de prueba oficial, los autores redistribuyeron los datos de entrenamiento etiquetados en una división 80:10:10 para entrenamiento, validación y prueba.

• Región de Interés (ROI): A diferencia de estudios previos que analizan la mano completa o múltiples regiones, este trabajo aisla los huesos carpianos. Se recortó la parte superior del 50% de cada radiografía para preservar la región carpiana, mientras que el 10% inferior se rellenó con píxeles blancos para evitar la truncación durante la aumentación por rotación.
• Pipelines de Preprocesamiento: Se desarrollaron y compararon dos pipelines de preprocesamiento distintos:
  1. Pipeline 1 (No umbralizado): Aplica la ecualización de histograma adaptativa con límite de contraste (CLAHE) para la mejora del contraste local, seguida de un desenfoque gaussiano y un filtrado de la mediana para la supresión de ruido.
  2. Pipeline 2 (Umbralizado): Incluye todos los pasos del Pipeline 1, pero añade un paso de umbralización adaptativa para convertir las imágenes en representaciones binarias.
  • Nota: Una búsqueda de cuadrícula (grid search) determinó los parámetros óptimos (kernel Gaussiano=11, kernel de la mediana=3, tamaño de bloque=33, C=2) basándose en la validación manual de la claridad del contorno de los huesos carpianos.
• Arquitectura del Modelo: Se utilizó una arquitectura de base ResNet-50, preentrenada en ImageNet, la cual fue adaptada para regresión reemplazando la cabeza de clasificación por una capa totalmente conectada para predecir la edad en meses.
• Estrategia de Entrenamiento: Se empleó un enfoque de ajuste fino progresivo (progressive fine-tuning). Inicialmente, solo se entrenó la cabeza de regresión. Posteriormente, las capas más profundas se fueron descongelando gradualmente. El pipeline no umbralizado requirió un ajuste fino completo de la red para lograr un rendimiento óptimo, mientras que el pipeline umbralizado se estabilizó tras descongelar las últimas 30 capas.
• Aumentación de Datos: Durante el entrenamiento, las imágenes fueron normalizadas y sometidas a pequeñas rotaciones (±5°), desplazamientos horizontales/verticales (hasta un 10%/5%) y variaciones de zoom (5%).

Resultados Clave

• Rendimiento General: La configuración con mejor desempeño (Pipeline 1, sin umbralización adaptativa) logró un Error Absoluto Medio (MAE) de 8.38 ± 0.39 meses en el conjunto de prueba. Este resultado superó a la configuración umbralizada, que arrojó un MAE significativamente mayor de 14.85 ± 0.39 meses.
• Comparación con Trabajos Previos: Aunque el MAE de 8.38 meses es superior al de los modelos de mano completa o de múltiples regiones con mejor desempeño (por ejemplo, Kasani y Sajedi 2023 reportaron 3.84 meses usando MobileNetV2 en manos completas), este estudio demuestra que un modelo que depende únicamente de la región carpiana puede lograr una precisión competitiva en relación con los métodos de mano completa, particularmente cuando se compara con los benchmarks anteriores de ResNet-50 en el conjunto de datos de la RSNA (por ejemplo, Iglovikov et al. 2018 reportaron ~8.42 meses para la mano completa).
• Impacto del Preprocesamiento: La eliminación del paso de umbralización adaptativa fue el factor más crítico para la mejora del rendimiento. Los autores atribuyen la degradación en el modelo umbralizado a la supresión de las pistas texturales finas esenciales para la estimación de la edad.
• Desempeño Demográfico y por Grupos de Edad:
  • Sexo: El modelo funcionó ligeramente mejor en hombres (MAE 7.91 meses) que en mujeres (MAE 8.95 meses).
  • Grupos de Edad: La precisión varió según la etapa de desarrollo. El modelo mostró errores menores durante la pubertad temprana, media y tardía (por ejemplo, 6.27 meses para varones en pubertad tardía) donde la osificación carpiana está activa. El rendimiento disminuyó en la infancia temprana, una limitación que los autores atribuyen al desequilibrio de los datos (solo 13 muestras para edades de 1–10 meses) y a la limitada variabilidad anatómica en los centros de osificación parcialmente desarrollados.

Significancia y Reivindicaciones
El artículo sostiene que los huesos carpianos codifican información sustancial relacionada con la edad, suficiente para una predicción fiable de la edad ósea cuando se combinan con modelos de aprendizaje profundo apropiados y un preprocesamiento cuidadoso. El estudio desafía la suposición de que el análisis de la mano completa es estrictamente necesario para una BAA automatizada de alta precisión.

Los autores posicionan sus hallazgos como un paso hacia sistemas clínicos más eficientes e interpretables. Al centrarse en una región anatómica más pequeña y bien definida (los huesos carpianos), tales enfoques podrían potencialmente reducir el esfuerzo de anotación, acortar el tiempo de evaluación y proporcionar mediciones consistentes sin la complejidad de analizar la mano completa. Sin embargo, los autores mantienen la modestia respecto a la precisión absoluta, reconociendo que, si bien los modelos basados solo en los carpales son viables, actualmente no superan el desempeño de los modelos jerárquicos más avanzados de mano completa o de múltiples regiones. El estudio enfatiza que la elección del preprocesamiento —específicamente evitar la binarización agresiva— es un factor decisivo para maximizar el rendimiento del aprendizaje profundo en esta tarea de imagen médica.