Enhancing Breast Cancer Prediction from Histopathological Images using Hybrid CNN-LSTM Architecture

Resumen Técnico: Mejora de la Predicción del Cáncer de Mama mediante una Arquitectura Híbrida CNN-LSTM

Planteamiento del Problema
El cáncer de mama (BCr) sigue siendo una de las principales causas de mortalidad entre las mujeres a nivel mundial, y su diagnóstico depende a menudo del análisis manual de imágenes histopatológicas. Este proceso manual es laborioso, propenso al error humano y requiere la consulta de expertos. Aunque el Aprendizaje Profundo (DL) y las Redes Neuronales Convolucionales (CNN) han mostrado resultados prometedores en el análisis de imágenes médicas, las arquitecturas CNN estándar suelen tener dificultades para capturar las dependencias temporales complejas y las características secuenciales inherentes a los datos histopatológicos. Además, la escasez de conjuntos de datos médicos etiquetados y de gran tamaño plantea desafíos para entrenar modelos desde cero, lo que hace necesario el uso de Aprendizaje por Transferencia (TL) y estrategias de optimización robustas para evitar el sobreajuste y garantizar la generalización.

Metodología
El estudio propone una novedosa arquitectura híbrida que integra las capacidades de extracción de características espaciales de las CNN con las fortalezas de modelado temporal de las redes de Memoria de Largo Corto Plazo (LSTM). La metodología se desarrolla a través de las siguientes etapas:

1. Conjunto de Datos: La investigación utiliza el conjunto de datos BreaKHis, disponible públicamente, que consta de 7,909 imágenes histopatológicas de 82 pacientes. Los datos incluyen tanto la clasificación binaria (Benigno vs. Maligno) como la clasificación multiclase (8 subtipos de tumores específicos) en cuatro niveles de aumento: 40x, 100x, 200x y 400x.
2. Preprocesamiento: Las imágenes se someten a un redimensionamiento a dimensiones fijas, un afilado para mejorar los bordes, normalización (escalado de los valores de los píxeles de 0 a 1) y conversión de las etiquetas de texto a formatos numéricos.
3. Aumento de Datos: Para abordar la escasez de datos, el conjunto de entrenamiento (5,536 imágenes) se amplía utilizando 12 funciones de transformación distintas (incluyendo rotación, inversión y ajuste de brillo), lo que resulta en un conjunto de datos de entrenamiento de 66,444 imágenes.
4. Extracción de Características (CNN): Se emplean cuatro arquitecturas CNN preentrenadas —InceptionV3, Xception, ResNet101 e InceptionResNetV2— como extractores de características. Estos modelos aprovechan el Aprendizaje por Transferencia para extraer características espaciales de alto nivel de las imágenes histopatológicas.
5. Modelado Temporal (LSTM): Las características extraídas por las capas CNN se introducen en una red LSTM. La LSTM está diseñada para capturar las dependencias secuenciales y las relaciones a largo plazo dentro de los datos, abordando las complejidades temporales que a menudo pasan por alto las CNN estándar.
6. Optimización: Los modelos híbridos se entrenan y evalúan utilizando tres optimizadores distintos: Adam (Estimación de Momento Adaptativo), RMSprop y Gradiente Descendente Estocástico con Momento (SGDM).
7. Evaluación: El rendimiento se evalúa mediante métricas estándar que incluyen Exactitud (Accuracy), Precisión (Precision), Sensibilidad (Recall), Especificidad (Specificity), F1-score y Área Bajo la Curva (AUC).

Contribuciones Clave

• Arquitectura Híbrida: El artículo introduce un modelo híbrido ResNet101-LSTM que combina una extracción de características robusta con un modelado de secuencia temporal, diseñado específicamente para la histopatología del cáncer de mama.
• Comparación Exhaustiva: El estudio realiza un análisis comparativo extenso de cuatro backbones de CNN diferentes (InceptionV3, Xception, ResNet101, InceptionResNetV2) cada uno emparejado con LSTM, evaluando su rendimiento en tareas de clasificación binaria y multiclase en los cuatro niveles de aumento.
• Análisis de Optimizadores: La investigación evalúa sistemáticamente el impacto de los optimizadores Adam, RMSprop y SGDM en los modelos híbridos para identificar la configuración más efectiva para esta tarea específica de imagen médica.
• Adaptación de Características Basada en Regresión: Los autores proponen un enfoque novedoso de extracción de características utilizando características basadas en la regresión derivadas de las propiedades geométricas de las imágenes, mejorando la capacidad de generalización del modelo.

Resultados
Los resultados experimentales indican que la arquitectura híbrida ResNet101-LSTM, optimizada con el optimizador Adam, supera consistentemente a los otros modelos y optimizadores probados.

• Clasificación Binaria: A un aumento de 40x, el modelo ResNet101-LSTM con Adam alcanzó las métricas de rendimiento más altas: 0.988 de exactitud, 0.887 de precisión, 0.867 de sensibilidad, 0.999 de especificidad y 0.875 de F1-score. El rendimiento se mantuvo elevado en otros aumentos, con 0.969 de exactitud a 40x para imágenes multiclase.
• Clasificación Multiclase: El modelo demostró una capacidad superior para distinguir entre los ocho subtipos de tumores específicos. A un aumento de 40x, alcanzó 0.969 de exactitud, 0.868 de precisión, 0.848 de sensibilidad, 0.979 de especificidad y 0.856 de F1-score.
• Rendimiento del Optimizador: El optimizador Adam produjo consistentemente mejores resultados que RMSprop y SGDM en todas las arquitecturas y aumentos. El estudio señala que, mientras que el SGDM no mostró una mejora significativa con la integración de LSTM, tanto Adam como RMSprop se beneficiaron del modelado temporal, siendo Adam el que mostró la convergencia más rápida y el mejor rendimiento general.
• Impacto del Aumento: El nivel de aumento de 40x proporcionó el mejor rendimiento de clasificación general, lo que sugiere que ofrece un equilibrio óptimo entre detalle y contexto para el modelo propuesto.

Significancia y Reivindicaciones
El artículo sostiene que el modelo híbrido ResNet101-LSTM propuesto representa un enfoque viable y eficaz para la clasificación precisa del cáncer de mama a partir de imágenes histopatológicas. Al integrar con éxito la extracción de características espaciales con el modelado de dependencia temporal, el sistema aborda las limitaciones encontradas en los enfoques tradicionales basados únicamente en CNN. Los autores afirman que este método mejora el potencial para la identificación temprana del cáncer de mama y mejora los resultados de los pacientes al proporcionar una herramienta de diagnóstico automatizada y fiable.

El estudio concluye que la combinación de ResNet101 para la extracción de características y LSTM para el modelado temporal, optimizada mediante Adam, establece un nuevo estándar de exactitud y eficiencia computacional en este dominio. Los autores sugieren que tales modelos de alta exactitud podrían integrarse en sistemas de soporte a la decisión clínica para reducir la carga de trabajo de los patólogos y minimizar los errores de diagnóstico. Se propone como trabajo futuro probar la escalabilidad del modelo en conjuntos de datos más grandes y explorar la integración de datos multimodales (por ejemplo, RM y mamografías) y modelos de visión y lenguaje.