Single-Stage Global Landmark Detection onFull-Length Long-Leg Radiographs for AutomatedHigh Tibial Osteotomy Correction-Angle Planning

Resumen Técnico: Detección de Hitos Globales en una Sola Etapa para la Planificación Automatizada de HTO

Planteamiento del Problema
En la planificación automatizada de la Osteotomía de Tibia Alta (HTO), el imperativo clínico no es simplemente minimizar el error promedio, sino eliminar los errores grandes y poco frecuentes que sitúan el eje de la extremidad postoperatoria fuera de la ventana de tolerancia crítica de ±1.63°. Los métodos anteriores de vanguardia, específicamente un sistema de cascada de múltiples etapas, lograron un error absoluto medio (MAE) de 0.5°, pero sufrieron una cola de error pesada, con un error máximo de 2.76° y tres casos que excedieron la tolerancia clínica. Estos fallos se rastrearon hasta la arquitectura de "detección y ajuste" (detect-then-fit): los errores en la detección inicial de la región de interés (ROI) (por ejemplo, omitir una cabeza femoral deformada o no tener en cuenta la rotación del tobillo) se propagaron a través de las etapas de ajuste subsiguientes, complicando las desviaciones angulares clínicamente significativas. Los autores plantean la hipótesis de que un detector de una sola etapa que regrese todos los hitos directamente sobre la radiografía de longitud completa comprimiría esta cola de error al eliminar la etapa de detección intermedia y su correspondiente propagación de error, incluso si la precisión promedio permanece comparable a los niveles de concordancia interobservador.

Metodología
El estudio propone un marco unificado de una sola etapa que predice los doce hitos anatómicos para ambas extremidades inferiores en una sola pasada hacia adelante (forward pass) sobre la radiografía de pierna larga de longitud completa.

• Arquitectura: El modelo utiliza una red base Conformer, que acopla características convolucionales locales con mecanismos de autoatención global. La red genera un mapa de calor gaussiano 2-D para cada uno de los doce hitos (centro de la cabeza femoral, márgenes medial/lateral de la meseta tibial, bisagra de la osteotomía y maléolos medial/lateral) en una rejilla de media resolución.
• Entrenamiento: El modelo fue entrenado en un conjunto de datos de un solo centro de 54 radiografías (107 hemisferios) utilizando la media de tres observadores como verdad de campo (ground truth). El entrenamiento empleó una tasa de aprendizaje con decaimiento de coseno (cosine-annealed) durante 2,000 épocas con aumentos fotométricos y geométricos estándar.
• Innovación Clave: A diferencia del predecesor en cascada, que derivaba la bisagra de la osteotomía mediante un desplazamiento porcentual fijo, este modelo trata la bisagra como un hito aprendido predicho directamente por la red.
• Protocolo de Evaluación: El rendimiento se evaluó mediante validación cruzada de cinco pliegues (n=107 hemisferios) y un conjunto de prueba fijo mantenido aparte (n=12). Las métricas incluyeron el Error Absoluto Medio (MAE), el error de la mediana, el error máximo, el Coeficiente de Correlación Intraclase (ICC) y el análisis de Bland-Altman, todo medido en la unidad clínicamente relevante del ángulo de corrección de Miniaci.

Contribuciones Clave

1. Formulación Unificada: Un modelo de una sola etapa que predice todos los hitos de la HTO en la radiografía completa, eliminando la necesidad de recortes de ROI intermedios y ajustes secuenciales.
2. Bisagra Aprendida: La bisagra de la osteotomía se detecta como un hito aprendido en lugar de derivarse de un desplazamiento geomético fijo, lo que permite al modelo adaptarse a las variaciones anatómicas individuales.
3. Evaluación Centrada en la Fiabilidad: Una estrategia de evaluación que prioriza la distribución de la cola del error y la adherencia a la tolerancia clínica sobre la simple precisión media, comparando directamente contra las cifras y el protocolo publicados del predecesor.

Resultados

• Precisión y Fiabilidad: El modelo de una sola etapa logró un error absoluto medio de 0.46° y una mediana de 0.41° a través de 107 hemisferios validados cruzadamente. El error máximo fue de 1.37°, significativamente inferior al 2.76° del predecesor.
• Adherencia a la Tolerancia: Crucialmente, el 0% de los casos de validación cruzada cayó fuera de la tolerancia clínica de ±1.63°, en comparación con los tres casos fuera de tolerancia del predecesor en cascada. Los límites de acuerdo al 95% (Bland-Altman) fueron [−1.14°, +1.02°], contenidos enteramente dentro de la banda de tolerancia.
• Concordancia: El modelo mostró una excelente concordancia con la media de tres observadores (ICC(2,1) = 0.992), comparable a la concordancia interobservador (ICC = 0.996).
• Estudios de Ablación:
  • Estructura del Pipeline: Experimentos controlados reconstruyendo un pipeline de dos etapas con ROIs "oráculo" (perfectas) demostraron que la representación recortada en sí misma no es el cuello de botella; más bien, la cola del error surge de las imperfecciones de la etapa de detección. Cuando la etapa de detección se simuló con jitter, el error del ángulo de corrección aumentó drásticamente, confirmando que los errores del detector se propagan hacia el ángulo final.
  • Arquitectura de la Red Base: La ablación de la arquitectura Conformer reveló que la rama de autoatención no es estrictamente necesaria para esta tarea. Una variante de solo convolución logró una precisión estadísticamente indistinguible (MAE ~0.52°) con menos de la mitad de los parámetros activos, lo que sugiere que la formulación de una sola etapa y la representación convolucional son los principales impulsores del rendimiento, no el mecanismo de atención global.
• Límites de Generalización: El modelo falló al generalizarse en una transferencia cero-disparo (zero-shot) a una cohorte externa (Osteoarthritis Initiative), resultando en un error medio de ~4°. Esto resalta que la ganancia de fiabilidad es específica del dominio de entrenamiento y requiere adaptación de dominio para nuevas fuentes de imagen.

Significancia y Reivindicaciones
El artículo sostiene que para aplicaciones de planificación quirúrgica donde los valores atípicos (outliers) son el principal riesgo clínico, estrechar la cola del error es más valioso que mejorar marginalmente la precisión promedio. El estudio demuestra que la ganancia de fiabilidad (eliminación de casos fuera de tolerancia) se logra a través de la simplificación arquitectónica (eliminación de la etapa de detección que propaga el error) en lugar de mediante una mejora en la precisión local o el uso específico de la autoatención.

Los autores concluyen modestamente que, si bien el enfoque de una sola etapa ofrece una base más robusta para la planificación asistida por computadora dentro de un dominio de imagen fijo, la ausencia de valores atípicos observados en este estudio de un solo centro no garantiza una tasa de fallo de cero en un despliegue más amplio. Los hallazgos sugieren que el trabajo futuro debe centrarse en validar estas medidas orientadas a la fiabilidad en conjuntos de datos multicéntricos y desarrollar estrategias de adaptación de dominio para manejar las variaciones en las fuentes de imagen. El estudio enfatiza que reportar métricas orientadas a la fiabilidad (como el error del peor caso y la adherencia a la tolerancia) es esencial para los sistemas de planificación quirúrgica, ya que las mejoras adicionales en un rendimiento de la mediana ya saturado ofrecen retornos clínicos decrecientes.