Resumen Técnico: Garantías que Sobreviven a la Ausencia de un Escaneo

Planteamiento del Problema

El diagnóstico médico multimodal depende cada vez más de la fusión de imágenes médicas con datos tabulares estructurados (p. ej., laboratorios, demografía). En el despliegue en el mundo real, estos modelos encuentran frecuentemente entradas incompletas donde modalidades enteras están ausentes (p. ej., un paciente llega sin un escaneo o sin resultados de laboratorio). Aunque la Predicción Conforme (CP, por sus siglas en inglés) es el método estándar para proporcionar garantías de cobertura de muestras finitas y libres de distribución para tales predictores, su validez depende del supuesto de exchangeability (intercambiabilidad) entre los datos de calibración y de prueba.

El artículo identifica un modo de falla crítico: cuando una modalidad entera está ausente en el momento de la prueba, el supuesto de intercambiabilidad se rompe. Si la calibración se realiza con pacientes con modalidades completas pero se prueba con pacientes con modalidades incompletas, los puntajes de no conformidad ya no son intercambiables. En consecuencia, la CP de división marginal estándar pierde silenciosamente la validez condicional en el subgrupo de modalidades incompletas. El artículo demuestra que este fallo se manifiesta de dos formas distintas y opuestas dependiendo del conjunto de datos y el régimen de entrenamiento:

1. Válido pero Poco Informativo: El método satisface el objetivo de cobertura (p. ej., 90%) solo mediante la salida de conjuntos de predicción que contienen todas las etiquetas posibles (conjuntos degenerados), ofreciendo ninguna visión clínica accionable.
2. Informativo pero Inválido: El método produce conjuntos de predicción pequeños y confiables, pero falla en cumplir el objetivo de cobertura, omitiendo el diagnóstico real con mucha más frecuencia de lo que permite la tasa de error.

Metodología: Predicción Conforme Condicional a la Modalidad (MC2)

Para abordar esto, los autores introducen la Predicción Conforme Condicional a la Modalidad (MC2). Este enfoque modifica el proceso de calibración para contabilizar la ausencia de modalidades sin requerir el reentrenamiento del predictor subyacente.

• Calibración Mondrian: MC2 trata el patrón de disponibilidad de la modalidad (p. ej., "imagen+tabular", "solo imagen", "solo tabular") como una función de agrupación. En lugar de computar un único umbral global para todo el conjunto de datos, MC2 estratifica el conjunto de calibración por estos patrones.
• Umbrales por Patrón: Para cada patrón de modalidad $m$, se computa un umbral separado $\hat{q}_m$ como el cuantil $(n_m + 1)(1-\alpha)/n_m$ de los puntajes de no conformidad para ese subgrupo específico.
• Detalles de Implementación:
  • El predictor $f$ se entrena para manejar entradas incompletas usando un token de máscara aprendible y dropout de modalidad durante el entrenamiento.
  • El codificador de imagen se congela para aislar la contribución al nivel de calibración y asegurar la viabilidad en hardware comercial.
  • Si un patrón de modalidad específico tiene insuficiencia de datos de calibración (por debajo de un umbral $\tau$), el método recurre al umbral agrupado (marginal), reportando explícitamente este recurso de respaldo.
  • El método utiliza puntajes de no conformidad estándar, principalmente LAC (Clasificador de valores de conjunto de Menor Ambigüedad) ($s = 1 - p_y$), aunque también se consideran los Conjuntos de Predicción Adaptativos (APS).

Contribuciones Clave

1. Formalización de la Pérdida de Validez Condicional: El artículo demuestra formalmente que la CP de división estándar pierde la validez condicional bajo la ausencia de una modalidad completa y caracteriza empíricamente las "dos caras" de este fallo (válido-pero-poco-informativo vs. informativo-pero-inválido).
2. Introducción de MC2: Los autores proponen MC2, una estrategia de calibración Mondrian que estratifica por patrones de disponibilidad de modalidad. Esto restaura la cobertura válida por patrón con garantías de muestra finita, sin requerir cambios en el predictor entrenado.
3. Identificación del Mecanismo: A través de experimentos controlados, el artículo identifica la prevalencia de clase (no la redundancia de la modalidad) como el principal motor que determina qué "cara" del fallo aparece. Muestra que una baja prevalencia conduce a la falta de cobertura, mientras que una alta prevalencia conduce a conjuntos degenerados.

Resultados Experimentales

El método fue evaluado en dos conjuntos de datos públicos de imagen+tabular:

• CBIS-DDSM: ROIs de mamografía con metadatos tabulares (Binario: Benigno/Maligno; Prevalencia ~40.8%).
• OL3I (Stanford AIMI): Cortes únicos de TC de L3 con factores de riesgo clínicos (Binario: Enfermedad Isquémica del Corazón a 1 año; Prevalencia ~4.4%).

Hallazgos:

• CBIS-DDSM (Alta Prevalencia): La CP marginal fue válida pero poco informativa. A las 200 épocas, alcanzó una cobertura del 100% en el subgrupo con la imagen ausente, pero emitió el conjunto completo de etiquetas para cada caso (0% de tasa accionable). MC2 restauró la cobertura a ~90% mientras duplicaba la tasa accionable (de ~13% a ~26% en el paro temprano, y recuperándose del 0% en un entrenamiento más largo).
• OL3I (Baja Prevalencia): La CP marginal fue informativa pero inválida. A las 200 épocas, logró una alta tasa accionable (~89%) pero violó la cobertura, cayendo a ~73% (objetivo 90%). MC2 restauró la cobertura a ~91% a costa de una tasa accionable menor, pero confiable.
• Estudio Sintético Multiclase: Un estudio controlado con $K=6$ clases confirmó que la CP marginal sub-cobertura severamente al subgrupo con la imagen ausente (~45% de cobertura vs. 90% de objetivo), mientras que MC2 mantiene el objetivo.
• Intercambio de Prevalencia: Al intercambiar artificialmente las tasas de prevalencia entre los conjuntos de datos (manteniendo fijas las estructuras de modalidad), los autores mostraron que el modo de fallo "se voltea". Reducir la prevalencia de CBIS a 4.4% indujo falta de cobertura, mientras que aumentar la de OL3I al 40% indujo degeneración. Esto confirma que la prevalencia impulsa el desajuste del umbral.

Significancia y Reivindicaciones

El artículo afirma que MC2 proporciona una solución simple, post-hoc y computacionalmente barata para un modo de fallo ubicuo en el despliegue clínico multimodal. Su significancia radica en:

• Restaurar la Confianza: Asegura que la cuantificación de la incertidumbre sea válida específicamente para los pacientes con entradas degradadas (escaneos ausentes), quienes suelen ser los más vulnerables y quienes más necesitan un soporte de decisión confiable.
• Preservar la Utilidad: Recupera el compromiso entre validez (cobertura) e informatividad (tamaño del conjunto accionable), evitando que el modelo mienta sobre su confianza o sea inútil.
• Sin Reentrenamiento Requerido: El método opera como una capa de calibración sobre los predictores existentes, lo que lo hace inmediatamente aplicable a sistemas desplegados.

Los autores mantienen la modestia respecto a las limitaciones, señalando que los resultados dependen de un codificador congelado, que los conjuntos de datos son binarios (aunque se muestran resultados multiclase en datos sintéticos) y que el mecanismo depende del supuesto de que la ausencia es condicionalmente al azar dentro de cada patrón. También señalan que el rendimiento de MC2 con puntajes APS puede depender del régimen y ser menos robusto que con los puntajes LAC.