💻 computer science

A Unified Deep Learning Cascade for Retinal Disease Detection and Diabetic Retinopathy Severity Grading

Este artículo propone una cascada de aprendizaje profundo unificada de dos etapas que utiliza un modelo EfficientNetV2-S con pérdida asimétrica para detectar 28 enfermedades retinianas del conjunto de datos RFMiD y, posteriormente, emplea una compuerta consciente de la incertidumbre calibrada mediante Platt para dirigir los casos positivos de retinopatía diabética a una segunda etapa para la gradación de severidad ordinal en el conjunto de datos APTOS-2019, logrando un alto rendimiento al tiempo que aborda la degradación significativa en la precisión del reconocimiento causada por la coocurrencia de múltiples enfermedades.

Autores originales: Arzav Saikia, Biswajit Tamuli, Bitopan Das, Manjeet Sarmah, Nomi Baruah, Surajit Dutta

Publicado 2026-06-29

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Arzav Saikia, Biswajit Tamuli, Bitopan Das, Manjeet Sarmah, Nomi Baruah, Surajit Dutta

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tu ojo es como un aeropuerto con mucho movimiento, y la retina es la torre de control. A veces, las cosas salen mal en la torre: tal vez una luz parpadea, una pantalla se agrieta o entra una tormenta. La retinopatía diabética (RD) es como una tormenta específica y peligrosa que puede destruir la torre si no se detecta a tiempo.

El problema es que hay 28 tipos diferentes de "tormentas" (enfermedades) que pueden ocurrir, y a menudo suceden al mismo tiempo. Además, la "tormenta" de la RD tiene diferentes niveles de intensidad, desde una llovizna ligera hasta un huracán.

Este artículo presenta un nuevo sistema de "punto de control de seguridad" de dos etapas (una cascada de aprendizaje profundo) diseñado para escanear estas imágenes oculares, encontrar las enfermedades y calificar la severidad de la tormenta de RD. Así es como funciona, desglosado en analogías sencillas:

Etapa 1: El Escáner de Seguridad de Gran Angular

Piensa en la primera etapa como un guardia de seguridad superrápido parado en la entrada principal.

El Trabajo: Este guardia mira la imagen del ojo y busca cualquier una de las 28 posibles enfermedades. No solo está buscando la tormenta de RD; está buscando todo.
La Herramienta: Los investigadores utilizaron un modelo de IA inteligente llamado EfficientNetV2-S. Para hacerlo realmente bueno detectando enfermedades raras (que son como contrabando raro y difícil de detectar), lo enseñaron usando una regla especial llamada Pérdida Asimétrica (Asymmetric Loss). Piensa en esto como entrenar al guardia para que sea extra cuidadoso de no pasar por alto un objeto pequeño y oculto, incluso si eso significa que podría marcar algunos artículos inofensivos por error.
El Resultado: Este guardia es excelente. Identifica correctamente la presencia de Retinopatía Diabética el 98.3% de las veces.
El Problema: Los investigadores descubrieron que cuando un paciente tiene múltiples enfermedades a la vez (como una tormenta más una pantalla agrietada), el guardia se confunde. Su precisión cae aproximadamente un 42% porque las enfermedades "interfieren" entre sí, como demasiada gente gritando a la vez en una habitación llena de gente.

El Guardián de la Puerta: El Interruptor "Platt-Calibrated"

Una vez que el primer guardia detecta una posible tormenta de RD, la imagen no va directamente al siguiente paso. Se encuentra con un puerta inteligente.

El Problema: El primer guardia a veces se muestra excesivamente confiado o poco confiado sobre sus propias predicciones.
La Solución: Los investigadores añadieron un paso de "calibración" (escalado de Platt). Imagina que esto es como un traductor que toma la confianza bruta y temblorosa del guardia y la convierte en una puntuación de probabilidad precisa y fiable. Esto asegura que la puerta solo se abra por las razones correctas.

Etapa 2: El Experto Clasificador de Tormentas

Si la puerta se abre (lo que significa que la imagen es probablemente positiva para RD), la imagen pasa a la segunda etapa.

El Trabajo: Esto ya no se trata solo de encontrar la enfermedad; se trata de calificar la severidad. ¿Es una llovizna ligera (Leve), una lluvia fuerte (Moderada) o un huracán (Severa)?
El Giro: Los investigadores se dieron cuenta de que calificar no es solo elegir una categoría (como "Rojo" o "Azul"). Es una tarea ordinal. Confundir una tormenta "Moderada" con una "Severa" es un error más grande que confundir una "Moderada" con una "Leve".
Las Herramientas: Probaron dos "expertos calificadores" diferentes:
1. EfficientNetV2-S: El todoterreno. Fue el mejor en general, obteniendo una puntuación de 0.93 (de un máximo de 1.0) en qué tan bien clasificó las tormentas correctamente.
2. Swin Transformer (Swin-S): El especialista. Aunque fue ligeramente menos preciso en general, fue sorprendentemente bueno detectando las peores tormentas (grados Severos), actuando como un especialista que se enfoca solo en las situaciones más peligrosas.
La Estrategia: Utilizaron un método de "ensamble de 5 pliegues" (5-fold ensemble). Imagina tener a cinco expertos diferentes mirando la misma imagen y promediando sus opiniones. Esto hizo que la decisión final fuera mucho más estable y fiable.

Por qué importa esta "Cascada"

El artículo argumenta que hacer todo en un solo modelo gigante es desordenado.

La Analogía: Si le pides a una sola persona que haga todo (escanear 28 enfermedades y además calificar la severidad de una enfermedad específica), se siente abrumada, especialmente cuando hay múltiples enfermedades presentes.
La Solución: Dividir el trabajo hace que la primera etapa actúe como un filtro. Captura los casos de DR y los envía al calificador especializado. Esto mantiene al calificador enfocado y eficiente.
La Red de Seguridad de "Incertidumbre": El sistema tiene una "zona difusa" especial (banda consciente de la incertidumbre). Si la puerta no está segura de si enviar una imagen al calificador o no, utiliza una fórmula inteligente para mezclar ambas piezas de información en lugar de tomar una decisión dura y potencialmente errónea.

Lo que Encontraron (Los Resultados)

Rendimiento: El sistema es muy bueno encontrando la RD (98% de precisión) y calificándola (0.93 de puntuación).
El Descubrimiento de la "Co-ocurrencia": Demostraron que cuando las enfermedades ocurren juntas, el sistema se confunde. Esta es exactamente la razón por la que necesitaron este sistema de dos etapas: para manejar la complejidad de los ojos del mundo real donde existen múltiples problemas a la vez.
Pruebas Cruzadas: Probaron el sistema en un conjunto de datos diferente (RFMiD) al que fue entrenado (APTOS). Aunque la "iluminación" y las "cámaras" eran diferentes, el sistema funcionó bien para detectar la presencia de la RD, demostrando que es robusto.

En Resumen

Este artículo construyó un pipeline de IA de dos pasos para la salud ocular.

Paso 1: Un escáner amplio encuentra si cualquier enfermedad está presente, con un enfoque especial en detectar la Retinopatía Diabética.
Paso 2: Un calificador especializado toma esos casos específicos y califica qué tan mala es la RD, utilizando un método que entiende que "malo" es peor que "bien", que es peor que "está bien".

El resultado es un sistema que es más preciso y eficiente que intentar hacer todo de una sola vez, especialmente cuando se trata de ojos que tienen múltiples problemas a la vez.

Resumen Técnico: Una Cascada de Aprendizaje Profundo Unificada para la Detección de Enfermedades Retinianas y la Gradación de la Severidad de la Retinopatía Diabética

Planteamiento del Problema
La retinopatía diabética (RD) es una de las principales causas de ceguera prevenible, lo que requiere un cribado automatizado fiable. La literatura actual de aprendizaje profundo aborda típicamente la detección de enfermedades retinianas y la gradación de la severidad de la RD como tareas aisladas. Además, la gradación de la RD se trata a menudo como un problema de clasificación categórica estándar, ignorando su naturaleza ordinal (donde clasificar erróneamente un caso grave como leve es más perjudicial que un error entre categorías adyacentes). Adicionalmente, la presencia de múltiples enfermedades retinianas que coexisten puede degradar el rendimiento de los modelos de etapa única, un factor que suele pasarse por alto en los marcos de trabajo unificados.

Metodología
Los autores proponen una cascada de aprendizaje profundo de dos etapas diseñada para unificar el cribado de enfermedades retinianas multietiqueta con la gradación ordinal de la severidad de la RD.

Etapa 1: Detección de Enfermedades Retinianas Multietiqueta
- Conjunto de Datos: RFMiD (3,200 imágenes, 28 categorías de enfermedades).
- Arquitectura: Backbone EfficientNetV2-S.
- Estrategia de Entrenamiento: El modelo se entrena utilizando la Pérdida Asimétrica (ASL) para manejar el severo desequilibrio de clases y las distribuciones de cola larga comunes en los conjuntos de datos multietiqueta. El preprocesamiento incluye la normalización de contraste de Ben Graham y una amplia aumentación (MixUp, CutMix).
- Salida: El modelo predice las probabilidades de 28 enfermedades retinianas. La clase de RD sirve específicamente como la "señal de puerta" (gate signal) para determinar si una imagen procede a la Etapa 2.
Mecanismo de Puerta y Calibración
- Las salidas sigmoideas crudas del clasificador multietiqueta suelen estar mal calibradas. Los autores aplican escalamiento de Platt a las probabilidades posteriores de la RD para asegurar un gating de decisión fiable.
- Variantes de la Cascada: El estudio evalúa cuatro variantes:
  - C0: Solo la Etapa 2 (línea base).
  - C1/C2: Gating duro usando probabilidades crudas o calibradas, respectivamente.
  - C3 (Propuesta): Una cascada bidireccional consciente de la incertidumbre. Utiliza dos umbrales ( $\tau_{low}, \tau_{high}$ ) para crear tres regiones: no-RD definitiva (salida 0), RD definitiva (pasar a la Etapa 2) y una banda ambigua. En la banda ambigua, se utiliza una puntuación fusionada que combina la probabilidad de la puerta y la puntuación continua de la Etapa 2.
Etapa 2: Gradación de la Severidad Ordinal de la RD
- Conjunto de Datos: APTOS-2019 (3,662 imágenes, 5 grados de severidad: 0–4).
- Enfoque: Formulado como regresión ordinal en lugar de clasificación categórica para preservar las relaciones de severidad.
- Backbones: Se comparan dos arquitecturas:
  - EfficientNetV2-S: Utiliza pérdida de Error Cuadrático Medio (MSE).
  - Swin Transformer Small (Swin-S): Utiliza MSE Ponderado (WMSE) para abordar el desequilibrio de clases y aprovecha la atención de ventana desplazada jerárquica.
- Ensemble: Se utiliza un ensamble de validación cruzada estratificada de 5 pliegues para generar las puntuaciones continuas finales, que se convierten a grados discretos (0–4) utilizando un OptimizedRounder basado en la optimización del Kappa de Peso Cuadrático (QWK).

Contribuciones Clave

Marco de Cascada Unificado: Un novedoso flujo de trabajo de dos etapas que integra la detección de enfermedades multietiqueta con la gradación de la severidad ordinal de la RD, dirigiendo solo las muestras positivas para RD al graduador de severidad.
Comparación Sistemática de Backbones: Una evaluación detallada de EfficientNetV2-S frente a Swin-S para regresión ordinal, analizando la sensibilidad de la función de pérdida y las estrategias de ponderación de clases.
Análisis de Degradación por Co-ocurrencia: Un análisis cuantitativo que demuestra que las patologías retinianas simultáneas degradan el rendimiento del reconocimiento (una caída del 42% en F1-macro para imágenes con múltiples enfermedades), proporcionando la motivación empírica para la arquitectura de cascada y la calibración de la puerta.
Enrutamiento Consciente de la Incertidumbre: La introducción de una cascada bidireccional (C3) que utiliza una banda de ambigüedad para fusionar la evidencia, reduciendo los errores en comparación con los mecanismos de gating duro.

Resultados Experimentales

Etapa 1 (RFMiD): EfficientNetV2-S con ASL logró un AUC medio de 0.910 y un mAP de 0.539. El canal de RD específicamente alcanzó un AUC de 0.983, validando su fiabilidad como señal de puerta.
Impacto de la Co-ocurrencia: El rendimiento se degradó significativamente para imágenes con 2–3 enfermedades (el F1-macro cayó de 0.455 a 0.266). El análisis de AUC condicional mostró que pares de enfermedades específicos (por ejemplo, RD con Degeneración de la Red) causaron caídas significativas de rendimiento, justificando la necesidad de un graduador dedicado.
Etapa 2 (APTOS-2019):
- El ensamble de 5 pliegues de EfficientNetV2-S logró el rendimiento general más alto con un QWK de 0.9339.
- Swin-S logró un QWK fuera de muestra (out-of-fold) de 0.8963, pero demostró una sensibilidad superior para predecir grados severos (Grado 3 y 4).
Evaluación de la Cascada:
- La calibración fue crítica: la puerta dura calibrada (C2) superó a la puerta dura cruda (C1) por +0.013 QWK.
- La cascada consciente de la incertidumbre (C3) logró un QWK de 0.9038 en el segmento de informe disjunto, superando a las variantes de puerta dura y acercándose al rendimiento de la línea base de solo Etapa 2 (C0) en datos dentro de la distribución.
- La atribución de errores reveló que solo el 4% de los errores se debieron a fallos de la puerta, mientras que el 76% se debieron a errores de magnitud de la Etapa 2 (discriminación de grados adyacentes), identificando al regresor como el principal cuello de botella.
Validación de Dominio Cruzado: Al aplicarse al conjunto de prueba de RFMiD (entrenado solo con APTOS), la cascada mantuvo un alto AUC de detección de RD de 0.981, demostrando robustez al cambio de dominio, aunque las predicciones de severidad no fueron validadas debido a la falta de verdad de terreno (ground truth) en RFMiD.

Significancia y Reivindicaciones
El artículo afirma que esta cascada unificada aborda eficazmente la brecha entre el cribado general de enfermedades retinianas y la gradación específica de la severidad de la RD. Al analizar la co-ocurrencia de enfermedades, los autores demuestran que un modelo de etapa única tiene dificultades con entradas de patología múltiple, lo que motiva el diseño de la cascada. El estudio destaca que el escalamiento de Platt es un prerrequisito para un gating duro efectivo y que el enrutamiento consciente de la incertidumbre puede recuperar el rendimiento perdido por los mecanismos de gating.

Los autores señalan que, si bien EfficientNetV2-S proporciona una precisión general superior, Swin-S ofrece fortalezas complementarias en la detección de casos severos. El marco se presenta como un paso hacia los flujos de trabajo de cribado oftálmico en el mundo real donde frecuentemente coexisten múltiples anomalías. El artículo reconoce modestamente las limitaciones, incluyendo la falta de etiquetas de severidad de verdad de terreno en RFMiD para la validación cuantitativa de la Etapa 2 en ese conjunto de datos, la ausencia de visualizaciones de interpretabilidad (por ejemplo, Grad-CAM) y la necesidad de validación externa en conjuntos de datos de hospitales antes de su despliegue clínico.