Comparative Study of Anatomical and Learned Features in AI Models for Structural Brain MRI

Resumen Técnico: Estudio Comparativo de Características Anatómicas y Aprendidas en Modelos de IA para RM Cerebral Estructural

Planteamiento del Problema
El campo de la neuroimagen basada en IA ha evolucionado desde el uso de características anatómicas diseñadas manualmente (p. ej., volumen hipocampal) combinadas con modelos estadísticos clásicos, hacia el empleo de arquitectas complejas de aprendizaje profundo como las Redes Neuronales Convolucionales (CNN) y los Vision Transformers (ViT). Aunque los modelos de aprendizaje profundo pueden aprender automáticamente características a partir de vastos conjuntos de datos no etiquetados, sigue sin estar claro si estas representaciones sofisticadas y no lineales ofrecen una ventaja diagnóstica significativa sobre los modelos lineales más simples basados en características anatómicas preseleccionadas. Además, existe la necesidad de comprender qué tan eficazmente los modelos fundacionales aprenden la estructura anatómica durante el preentrenamiento no supervisado y si el anclaje anatómico explícito puede mejorar su rendimiento, particularmente en escenarios con datos de entrenamiento limitados para tareas específicas.

Metodología
Los autores llevaron a cabo un estudio comparativo exhaustivo a través de 18 conjuntos de datos disponibles públicamente que contienen aproximadamente 80,000 participantes y más de 96,000 exploraciones de RM estructural T1 en 3D. El estudio evaluó tres paradigmas distintos de extracción de características a través de siete tareas clínicas (diagnóstico de Alzheimer, diagnóstico de Parkinson, detección de mutación IDH en tumores, diagnóstico de epilepsia, estimación de la edad cerebral, segmentación de tumor completo y segmentación de lesiones por accidente cerebrovascular):

1. Modelos Lineales Anatómicos: Un modelo de regresión logística lineal entrenado con 178 características anatómicas preseleccionadas (volúmenes, áreas de superficie y grosor cortical) extraídas mediante FreeSurfer.
2. CNNs Supervisadas: Arquitecturas estándar que incluyen ResNet-18 para clasificación y U-Net para segmentación, entrenadas directamente sobre volúmenes de RM crudos.
3. Modelos Fundacionales (ViTs):
   • ViT Preentrenado: Vision Transformers preentrenados en una gran cohorte de población general (principalmente UK Biobank, ~69k exploraciones) utilizando Autocodificación enmascarada (MAE).
   • Preentrenamiento de Segmentación Anatómica (ASP) ViT: Una estrategia de preentrenamiento novedosa propuesta por los autores. Este método inyecta conocimiento anatómico explícito durante el preentrenamiento mediante la adición de una tarea de segmentación auxiliar. Tras el preentrenamiento inicial con MAE, se entrena un decodificador ligero para segmentar 39 regiones cerebrales distintas. El codificador y el decodificador se entrenan conjuntamente en épocas alternas para evitar el olvido catastrófico de las características de MAE. Este enfoque utiliza una arquitectura basada en prompts para manejar múltiples regiones de manera eficiente sin un exceso de carga de memoria.

Los modelos fueron evaluados utilizando métricas estándar (AUC, coeficiente Dice, Error Absoluto Medio) en conjuntos de prueba internos y múltiples cohortes externas para evaluar la generalizabilidad.

Resultos Clave

• Paridad en Tareas Diagnósticas: A través de las siete tareas clínicas que involucran conjuntos de datos que van desde decenas hasta unos pocos miles de muestras, el modelo lineal simple basado en características anatómicas alcanzó un rendimiento comparable al de los modelos no lineales complejos (CNNs y ViTs preentrenados). En muchos casos, las diferencias de rendimiento no fueron estadísticamente significativas.
• Aprendizaje Anatómico Implícito: El estudio observó que los ViTs preentrenados mediante MAE aprenden implícitamente información anatómica, como lo evidencia la creciente precisión de las sondas lineales que predicen los volúmenes de las regiones cerebrales a partir de los embeddings durante el preentrenamiento.
• Superioridad en Escenarios con Abundancia de Datos: Cuando se escaló significativamente el volumen de datos de entrenamiento (utilizando ~62,890 sujetos para la estimación de la edad biológica), los modelos de aprendizaje profundo superaron al modelo anatómico lineal. Específicamente, el ASP ViT logró el mejor rendimiento, con un Error Absoluto Medio (MAE) de 2.54 años en pruebas internas y 4.19 años en cohortes externas. Superó al ViT preentrenado estándar, particularmente en cohortes externas y en sujetos mayores de 80 años, un grupo demográfico subrepresentado en los datos de entrenamiento.
• Rendimiento de Segmentación: Para las tareas de segmentación (tumor y accidente cerebrovascular), los U-Nets y UNETR generalmente funcionaron bien, aunque el ASP ViT mostró resultados competitivos, particularmente cuando los datos de entrenamiento se redujeron al 10%.

Contribuciones Principales

1. Benchmarking Comparativo: El estudio proporciona una comparación rigurosa y a gran escala que demuestra que las características anatómicas explícitas siguen siendo altamente competitivas con las representaciones de aprendizaje profundo de vanguardia para tareas diagnósticas con datos limitados.
2. Preentrenamiento de Segmentación Anatómica (ASP): Los autores introducen un marco de preentrenamiento novedoso que aprovecha explícitamente la segmentación anatómica como una tarea auxiliar. Este método acelera el aprendizaje de la estructura anatómica en los modelos fundacionales.
3. Perspectiva sobre el Aprendizaje de Características: El trabajo establece que, si bien los modelos fundacionales aprenden la estructura anatómica de forma implícita, la guía explícita mediante ASP mejora significativamente su capacidad de generalización, especialmente para tareas que requieren alta precisión (como la estimación de la edad) y para grupos de edad subrepresentados.

Significado y Reivindicaciones
El artículo sostiene que, para muchas tareas diagnósticas de neuroimagen actuales, el "punto de saturación" del rendimiento puede haberse alcanzado dentro de los conjuntos de datos públicos existentes que contienen cientos o miles de exploraciones, donde las características anatómicas simples son suficientes. Los autores sugieren que el progreso futuro requiere cohortes sustancialmente más grandes. Sin embargo, demuestran que el aprovechamiento de las herramientas de aprendizaje profundo para extraer características anatómicas estructuradas proporciona una línea base interpretable y computacionalmente eficiente.

Crucialmente, el estudio argumenta que el marco ASP ofrece una vía para mitigar el pequeño tamaño de los conjuntos de datos de preentrenamiento médico en comparación con las bases de datos de visión computacional general. Al incorporar tareas clínicamente relevantes (segmentación) durante el preentrenamiento, el modelo aprende representaciones más robustas que generalizan mejor a otras tareas, particularmente en la estimación de la edad biológica, donde el ASP ViT superó significativamente a los modelos existentes. Los autores concluyen que el anclaje anatómico explícito es una estrategia viable y efectiva para mejorar los modelos fundacionales de neuroimagen.