Structural Findings Transfer, Texture Findings Do Not: An Adaptation Ladder for Cross-Center Dental Diagnosis

Resumen Técnico: Transferencia de Hallazgos Estructurales, No de Textura: Una Escala de Adaptación para el Diagnóstico Dental entre Centros

Planteamiento del Problema
Los modelos de aprendizaje profundo para el diagnóstico de radiografías dentales alcanzan un rendimiento de nivel experto en sus conjuntos de datos de entrenamiento, pero sufren de un "fallo silencioso" cuando se despliegan en nuevos centros clínicos. Las diferencias en los escáneres, los protocolos de adquisición y las poblaciones de pacientes crean desplazamientos de distribución que causan que los modelos emitan predicciones con alta confianza pero incorrectas, sin señalar la incertidumbre. Si bien un "sobre de seguridad" (que comprende calibración, garantías de desviación acotada y una compuerta de Fuera de Distribución [OOD]) puede rechazar entradas de centros no vistos para prevenir errores, este rechazo vuelve al modelo prácticamente inútil en esos entornos. La pregunta central es: ¿Cuánta adaptación se requiere para convertir este rechazo seguro en una "aceptación honesta" en un nuevo centro, y puede lograrse esto de manera económica sin violar las garantías de seguridad o degradar el rendimiento en el centro de origen?

Metodología
Los autores proponen un marco de evaluación sistemático centrado en una "escala de costo/beneficio de adaptación" y un sobre de seguridad fijo.

• El Sobre de Seguridad: El estudio envuelve un codificador base dental congelado con tres componentes:
  1. Línea Base Calibrada: Una sonda logística con escalado de temperatura para corregir la mala calibración.
  2. Cabeza de Desviación Acotada: Una cabeza residual que añade correcciones limitadas a un intervalo específico $[-\delta, \delta]$ en el espacio de los logits. Esto asegura que el modelo desplegado no pueda desviarse arbitrariamente de la línea base de confianza, proporcionando una garantía formal contra el desplazamiento catastrófico.
  3. Compuerta OOD de Mahalanobis: Una compuerta que rechaza las entradas que exceden el percentil 95 de la distancia de Mahalanobis de la distribución de la fuente.
• La Escala de Adaptación: Se evalúan diez técnicas a través de cuatro "peldaños" de costo computacional y de parámetros crecientes, adaptando un centro de origen (DENTEX) a un centro objetivo (ADCD):
  • Peldaño 0 (Sin etiquetas): Recalibración de umbral (reestimación del umbral OOD en datos no etiquetados del objetivo).
  • Peldaño 1 (Reajuste de la cabeza): Reajuste de sondas de calibración y de la cabeza residual en una pequeña porción etiquetada del objetivo (16 dientes).
  • Peldaño 2 (Ajuste Fino de Parámetros Eficientes - PEFT): Cinco métodos que adaptan la representación manteniendo congelados los pesos del backbone: LoRA (Adaptación de Bajo Rango), Visual Prompt Tuning (VPT), BitFit (solo términos de sesgo) y ajuste de afinidad de LayerNorm.
  • Peldaño 3 (Gran Capacidad con Anti-Olvido): Ajuste fino completo en el espacio de incrustación (embedding) utilizando Consolidación de Pesos Elásticos (EWC), Rehearsal (mezcla de datos de la fuente) o un enfoque de Doble Codificador para prevenir el olvido catastrófico.
• Configuración Experimental: El estudio utiliza tres backbones (un Dental ViT-L específico del dominio, BiomedCLIP y DINOv3) y evalúa 126 configuraciones. Las métricas incluyen macro-AUC para casos aceptados, Error de Calibración Esperado (ECE), preservación del rendimiento de la fuente y la garantía de desviación acotada.

Resultos Clave

• Las Garantías de Seguridad se Mantienen: En todas las 126 configuraciones, la garantía de desviación acotada nunca fue violada, y el rendimiento del centro de origen se preservó en gran medida (caída media de ~1 punto de AUC), sin que se observara un olvido catastrófico.
• Hallazgos Estructurales vs. de Textura: Se encontró una divergencia crítica basada en el tipo de patología:
  • Hallazgos Estructurales (Dientes Impactados): La adaptación recuperó fuertemente la fiabilidad entre centros, con un AUC que mejoró de 0.71 (recalibración de umbral) a 0.92 (ajuste fino completo regularizado por rehearsal).
  • Hallazgos de Textura (Caries): La adaptación falló en recuperar la fiabilidad entre centros para las caries, que permanecieron cerca de los niveles del azar (AUC ~0.48–0.57) independientemente de la técnica, el presupuesto de parámetros o el backbone utilizado.
  • Hallazgos Intermedios (Lesiones Periapicales): Mostraron una recuperación parcial, situándose entre los dos extremos.
• Rendimientos Decrecientes: La adaptación económica (por ejemplo, LoRA con 16k parámetros o BitFit con ~1k parámetros) capturó la mayor parte del beneficio alcanzable. Aumentar el presupuesto de parámetros en tres órdenes de magnitud (a ~1M de parámetros) solo produjo una ganancia marginal de ~4 puntos de AUC.
• Backbone y Fusión: Un backbone de base más fuerte (DINOv3) se adaptó marginalmente mejor que el backbone específico del dominio, pero el backbone específico del dominio produjo menos falsos positivos en su centro de origen. La fusión de codificadores específicos del dominio y de base no proporcionó ningún beneficio sobre el backbone único más fuerte.
• No Transferibilidad de la Textura: El entrenamiento conjunto de dos centros confirmó que las caries son aprendibles dentro del centro objetivo (AUC 0.79) pero no son transferibles desde la fuente (AUC 0.60). El fallo se atribuye al desfase de textura (diferencias de adquisición) y no a la capacidad del codificador o a la falta de capacidad de aprendizaje.
• Comportamiento de Rechazo: La compuerta OOD actúa como un detector direccional de desplazamiento de distribución. Cuando se reajusta en el objetivo, la tasa de rechazo se estabiliza en ~5%, independientemente del costo de adaptación. La percepción de que la adaptación aumenta el rechazo es un artefacto de mantener la compuerta anclada a la fuente mientras la representación cambia.

Significancia y Reivindicaciones
El artículo sostiene que el principal cuello de botella para el despliegue de la IA dental entre centros no es la capacidad del codificador, sino el desfase de dominio específico de los hallazgos basados en la textura. En consecuencia, los autores argumentan en contra de la búsqueda de un único modelo universal. En su lugar, proponen una estrategia de despliegue donde los sistemas:

1. Se adaptan de forma económica (usando unos pocos miles de parámetros y ~16 imágenes etiquetadas) para hallazgos estructurales que se transfieren bien.
2. Rechazan los hallazgos basados en la textura (como las caries tempranas) que no se transfieren a través del desfase de adquisición.

Este enfoque se alinea con las expectativas regulatorias para la IA médica al priorizar el "rechazo honesto" sobre los errores con alta confianza. El sobre de seguridad se identifica como el componente crítico que permite esta estrategia, asegurando que, incluso cuando los modelos se adaptan, permanezcan dentro de un régimen de operación seguro y acotado. El estudio concluye que, para la patología de textura, el desfase de dominio es actualmente insuperable mediante la adaptación estándar, lo que convierte al rechazo selectivo en la única opción confiable.