SY-CNN+: Synthetic-Data-Enhanced Hybrid Learning for Clinical Photograph-Based Eyelid Tumor Classification

Resumen Técnico: SY-CNN+ para la Clasificación de Tumores del Párpado

Planteamiento del Problema
Diferenciar entre tumores malignos y benignos del párpado a partir de fotografías clínicas es una tarea crítica pero desafiante en oftalmología. Las lesiones malignas, como el carcinoma de glándula sebácea (SGC) y el melanoma, pueden imitar condiciones benignas como el chalación o quistes, lo que conduce a diagnósticos tardíos, un mayor riesgo de metástasis e intervenciones quirúrgicas innecesarias. Esta dificultad diagnóstica se ve exacerbada en entornos de atención primaria o de bajos recursos donde la experiencia de los especialistas es limitada. Además, el desarrollo de modelos de IA robustos para esta tarea se ve obstaculizado por la escasez de conjuntos de datos de imágenes médicas diversas y de alta calidad. Los tumores poco comunes son difíciles de recolectar, la curación de imágenes requiere mucha mano de obra y las restricciones de privacidad del paciente limitan el intercambio de datos. Las técnicas tradicionales de aumento de datos (por ejemplo, rotación, recorte) a menudo no logran generar variaciones patológicas clínicamente relevantes, como márgenes ulcerados o pigmentación heterogénea, que son esenciales para distinguir la malignidad.

Metodología: Marco de Trabajo SY-CNN+
Los autores proponen SY-CNN+ (Red Neuronal Convolucional mejorada con Datos Sintéticos), un marco de aprendizaje híbrido diseñado para abordar la escasez de datos mediante el aumento sintético y una arquitectura de clasificación de dos etapas.

1. Fuentes de Datos y Partición:

   • El estudio utilizó 3,041 imágenes clínicas de 881 pacientes del Hospital Oftalmológico de Ningbo.
   • El conjunto de datos se dividió en una cohorte retrospectiva (2,992 imágenes de 863 pacientes) y una cohorte de prueba prospectiva (49 imágenes de 18 pacientes).
   • La cohorte retrospectiva se particionó en conjuntos de entrenamiento, validación y test1 utilizando una división independiente a nivel de paciente (aproximadamente una relación 8:1:1) para evitar la fuga de datos. La asignación estratificada aseguró proporciones consistentes de malignos frente a benignos en todos los conjuntos.

2. Generación de Datos Sintéticos:

   • Para aumentar el conjunto de entrenamiento, los autores emplearon Redes Generativas Antagónicas (GAN) y modelos de Difusión.
   • Las imágenes sintéticas se generaron únicamente a partir del conjunto de entrenamiento utilizando un entrenamiento condicional a la clase para preservar la integridad de las etiquetas. No se utilizaron imágenes de validación o de prueba para la generación.
   • La estrategia de aumento fue controlada por una relación de sintético-a-real ($n$), probada en los valores de 0, 0.5, 1, 2, 3, 4 y 5.

3. Arquitectura Híbrida (CNN+):

   • Extracción de Características: El marco utiliza arquitecturas base de CNN (ResNet18, ResNet50, VGG11, VGG16) para extraer características de la imagen. Las imágenes de entrada se redimensionaron a 64x64x3.
   • Clasificación de Etapa Inferior (Downstream): En lugar de depender únicamente de la capa softmax final de la CNN, los vectores de características extraídos se alimentaron a clasificadores de aprendizaje automático independientes: Naive Bayes (NB), Máquina de Vectores de Soporte (SVM), Bosque Aleatorio (RF) y Extreme Gradient Boosting (XGBoost).
   • Proceso de Selección: El conjunto de validación se utilizó para determinar la configuración óptima del modelo (backbone + clasificador) y la relación óptima de sintético-a-real ($n$).

4. Protocolo de Evaluación:

   • El modelo seleccionado fue evaluado en el conjunto test1 retrospectivo y en la cohorte test2 prospectiva.
   • El rendimiento se midió mediante exactitud, puntuación F1, matrices de confusión, curvas ROC y el Coeficiente de Correlación de Matthews (MCC).
   • Se realizó una comparación exploratoria contra dos clínicos voluntarios (uno sénior y uno júnior) en el conjunto test1.

Resultos Clave

• Configuración Óptima: El modelo con mejor desempeño fue el aumento basado en GAN combinado con la extracción de características de ResNet50 y la clasificación de XGBoost, con una relación de sintético-a-real de $n=4$.
• Métricas de Rendimiento:
  • Test1 Retrospectivo: Alcanzó una exactitud del 92.0% (IC 95%: 88.5–95.5%) y una puntuación F1 del 87.2%.
  • Test2 Prospectivo: La misma configuración alcanzó un 89.8% de exactitud y una puntuación F1 del 82.8%.
• Comparación con Modelos de Difusión: Aunque las imágenes generadas por difusión exhibieron puntuaciones de Distancia de Incepción de Fréchet (FID) más bajas (lo que indica una mayor fidelidad visual), el aumento basado en GAN produjo un rendimiento de clasificación descendente superior. Esto sugiere que las métricas de calidad de imagen por sí solas no predicen completamente la utilidad para tareas diagnósticas específicas.
• Comparación con Clínicos: En la comparación de solo imagen, el modelo GAN-ResNet50+XGBoost ($n=4$) superó tanto al clínico sénior como al júnior en términos de exactitud por imagen y puntuación F1.
• Limitaciones Observadas: A pesar de la alta exactitud, el modelo exhibió una tasa de falsos negativos del 18.0% para tumores malignos en el conjunto de prueba retrospectivo, lo que resalta el riesgo de diagnósticos erróneos omitidos.

Contribuciones Clave

1. Estrategia de Aprendizaje Híbrido: Demuestra la eficacia de combinar la extracción de características de CNN con clasificadores de aprendizaje automático clásicos (específicamente XGBoost) en un entorno de imágenes médicas con datos limitados.
2. Evaluación de Datos Sintéticos: Proporciona evidencia empírica de que el aumento de datos sintéticos puede mejorar el rendimiento de la clasificación en el diagnóstico de tumores del párpado, enfatizando que la elección del modelo generativo (GAN vs. Difusión) y la relación de aumento ($n$) deben ajustarse según el rendimiento de la tarea descendente, en lugar de basarse solo en las métricas de calidad de imagen.
3. Validación Prospectiva: Incluye una cohorte de prueba prospectiva, lo que ofrece una evaluación más rigurosa que los estudios puramente retrospectivos.

Significancia y Reivindicaciones
Los autores afirman que SY-CNN+ ofrece un enfoque viable para la clasificación de tumores del párpado en entornos con escasez de datos. El estudio respalda el uso de aumentos sintéticos y el aprendizaje híbrido basado en CNN para mejorar la precisión diagnóstica donde los recursos especializados son limitados.

Sin embargo, el artículo mantiene un tono modesto respecto al despliegue clínico. Los autores declaran explícitamente que el modelo no debe utilizarse como una herramienta de diagnóstico autónoma debido a la tasa de falsos negativos observada para los tumores malignos. En su lugar, proponen su rol a corto plazo como un sistema de apoyo a la decisión clínica para ayudar a identificar lesiones sospechosas para una revisión posterior por parte de un especialista. Los autores reconocen que son necesarios cohortes multicéntricos más grandes, modelos de mayor resolución y comparaciones con más clínicos antes de que el sistema pueda considerarse para su uso clínico rutinario.