Resumen Técnico: Red de Representación Robusta ante la Ausencia de Modalidades (MMR-Net) para RM Cerebral de Secuencias Múltiples

1. Planteamiento del Problema

La resonancia magnética (RM) cerebral de secuencias múltiples ofrece información anatómica y fisiológica complementaria, esencial para una caracterización cerebral robusta. Sin embargo, tanto en entornos clínicos como de investigación, la ausencia de modalidades es frecuente debido a restricciones de adquisición, movimiento del paciente o variaciones en los diseños de estudio. Los modelos de aprendizaje profundo existentes suelen asumir entradas de modalidades completas; cuando falta incluso una sola secuencia, estos modelos sufren una degradación sustancial del rendimiento. Las estrategias de mitigación comunes, como el relleno con ceros (zero-padding) o la imputación de la media, a menudo introducen artefactos y correlaciones espurias, comprometiendo aún más la precisión de la predicción. Además, las arquitecturas actuales rara vez imponen la estabilidad representacional en diferentes escenarios de disponibilidad de modalidades, lo que significa que la representación de las características de un sujeto cambia significativamente dependiendo de qué secuencias estén presentes.

2. Metodología

Los autores proponen la Red de Representación Robusta ante la Ausencia de Modalidades (MMR-Net), un marco diseñado para mantener un rendimiento estable tanto en condiciones de modalidad completa como incompleta utilizando el conjunto de datos IXI disponible públicamente. La arquitectura consta de cinco componentes primarios:

• Codificadores Específicos de Modalidad: Un conjunto de redes neuronales convolucionales (CNN) 3D con backbones compartidos pero con normalización por lotes (batch normalization) y capas iniciales específicas de cada modalidad. Estos codificadores preservan las características de imagen distintivas de las secuencias ponderadas en T1, ponderadas en T2, densidad de protones (PD) y angiografía por RM de tiempo de vuelo (TOF-MRA). Los dos primeros bloques convolucionales son específicos de la modalidad, mientras que los dos bloques finales comparten pesos para imponer la comunalidad en la extracción de características de alto nivel.
• Tokenización de Modalidad: Los mapas de características de alta dimensión de cada codificador se particionan en regiones no superpuestas y se agrupan (pooling) para generar un conjunto compacto de tokens (64 tokens por modalidad), proyectados en una dimensión de incrustación común de 256.
• Fusión de Tokens Trans-modal: Una innovación central que utiliza un mecanismo de atención consciente de la disponibilidad. Este módulo agrega dinámicamente la información basándose en el conjunto de modalidades actualmente disponibles. Calcula consultas (queries), claves (keys) y valores (values) únicamente de las modalidades presentes, evitando que las entradas ausentes contriban al proceso de fusión. Esto permite que el modelo se adapte a patrones de ausencia arbitrarios sin cambios arquitectónicos en el tiempo de inferencia.
• Proyección de Espacio Latente Compartido: Un perceptrón de varias capas (MLP) mapea los tokens trans-modales fusionados en un vector de características de 128 dimensiones. Esta representación está diseñada para ser invariante a la disponibilidad de la modalidad, asegurando que el vector latente de un sujeto permanezca consistente independientemente de si las modalidades están incompletas o completas.
• Cabezales de Predicción Específicos de la Tarea: Cabezales separados gestionan la regresión de edad (capa lineal), la clasificación de sexo (activación sigmoid) y la eliminación de sesgo de sitio mediante confrontación (adversarial site debiasing). El cabezal de debiasing emplea una capa de inversión de gradiente para predecir el centro de adquisición, penalizando al codificador por aprender información específica del sitio para mejorar la generalizabilidad entre centros.

Estrategia de Entrenamiento y Objetivos:
La red se entrena utilizando una estrategia de desconexión de modalidad (modality dropout), donde se omiten subconjuntos aleatorios de modalidades durante cada época para simular escenarios de ausencia realistas. El objetivo de optimización es una suma ponderada de:

1. Pérdida de Regresión de Edad: Pérdida Smooth L1 para robustez frente a valores atípicos.
2. Pérdida de Clasificación de Sexo: Entropía cruzada binaria.
3. Pérdida de Sitio Adversaria: Entropía cruzada para la clasificación de sitio, invertida durante la retropropagación.
4. Pérdida de Consistencia de Representación: Distancia euclidiana al cuadrado entre las representaciones de las pasadas de modalidad completa y de modalidad ausente para el mismo sujeto.
5. Pérdida de Consistencia de Predicción: Diferencia absoluta entre las predicciones de edad de las pasadas de modalidad completa y de modalidad ausente.

3. Contribuciones Clave

• Arquitectura Robusta: La introducción de un módulo de fusión de tokens trans-modal con atención consciente de la disponibilidad que maneja dinámicamente patrones de ausencia arbitrarios sin requerir imputación ni modificación arquitectónica durante la inferencia.
• Restricciones de Consistencia: La imposición explícita de la consistencia representacional y de predicción entre las entradas de modalidad completa y de modalidad ausente, asegurando una extracción de características estable independientemente de la disponibilidad de datos.
• Entrenamiento con Desconexión de Modalidad: Una estrategia de entrenamiento que obliga a la red a aprender representaciones robustas simulando todos los subconjuntos no vacíos posibles de modalidades durante el entrenamiento.
• Eliminación de Sesgo de Sitio Adversario: Integración de una capa de inversión de gradiente para reducir los sesgos específicos del escáner, mejorando la generalizabilidad entre centros de adquisición.
• Reproducibilidad: El estudio utiliza únicamente el conjunto de datos público IXI, evitando nuevos requisitos de aprobación ética y asegurando la plena reproducibilidad de los métodos y resultados.

4. Resultados Experimentales

El modelo fue evaluado en el conjunto de datos IXI (aproximadamente 600 sujetos sanos) en cuatro configuraciones: modalidad completa, ausencia de una modalidad, ausencia de dos modalidades y solo una modalidad disponible. Las tareas incluyeron la regresión de edad (primaria) y la clasificación de sexo (auxiliar).

• Modalidad Completa: MMR-Net logró un Error Absoluto Medio (MAE) de 3.42 años para la regresión de edad, superando al siguiente mejor baseline (Transformer Fusion) con 3.78 años.
• Ausencia de una Modalidad: El método demostró una robustez superior. Por ejemplo, cuando faltaba T1, el MAE de MMR-Net aumentó solo un 8.5% (a 3.71 años), comparado con una caída del 19.6% para el baseline de Transformer Fusion y una caída del 28.7% para el baseline de relleno con ceros.
• Ausencia de dos Modalidades: En el escenario más desafiante (ausencia de T1 y T2), MMR-Net logró un MAE de 4.45 años (caída relativa del 30.1%), superando significativamente al baseline de Transformer Fusion (caída del 62.0%) y al baseline de relleno con ceros (caída del 95.2%).
• Solo una Modalidad: Incluso cuando se probó con solo una modalidad disponible, MMR-Net superó a los baselines entrenados exclusivamente en esa única modalidad (por ejemplo, 4.18 años MAE con solo T1 frente a 4.85 para el baseline de solo T1).
• Generalización entre Centros: En experimentos de dejar un centro fuera (leave-one-center-out), el componente de debiasing adversario redujo el MAE en el centro excluido de 4.67 años a 3.98 años (una mejora del 14.8%).

El análisis estadístico (pruebas t de muestras pareadas) confirmó que MMR-Net superó significativamente a todos los baselines en los escenarios de ausencia de modalidad (p < 0.01), con tamaños de efecto que van desde medios hasta muy grandes.

5. Significación y Reivindicaciones

El artículo sostiene que MMR-Net proporciona una herramienta generalizable para el análisis de RM cerebral de secuencias múltiples que aborda eficazmente el desafío crítico, a menudo pasado por alto, de la ausencia de modalidades. Al mantener un rendimiento estable bajo patrones de ausencia arbitrarios, el marco ofrece un valor práctico para entornos clínicos donde los protocolos de adquisición varían o son incompletos.

Los autores declaran explícitamente que, si bien el estudio se centra en datos cerebrales sanos del conjunto de datos IXI y no involucra intervenciones de acupuntura, la metodología es relevante para futuras investigaciones sobre neuromodulación no farmacológica, incluyendo investigaciones longitudinales de seguimiento de secuencias múltiples de los efectos de la acupuntura. En tales estudios, donde los sujetos pueden perder secuencias debido a desafíos de adquisición, MMR-Net podría permitir análisis exhaustivos sin excluir a sujetos con datos incompletos. El uso de datos públicos asegura que el trabajo se alinea con los principios de ciencia abierta y evita la necesidad de nuevas aprobaciones éticas.

Los autores reconocen limitaciones, incluyendo la restricción a sujetos sanos, la infrautilización de la imagen ponderada en difusión en los experimentos principales, y la suposición de ausencia aleatoria en lugar de ausencia no aleatoria correlacionada con las características del paciente. Se propone trabajo futuro para abordar esto extendiendo la validación a cohortes con enfermedades e incorporando métricas de difusión.