AutoLungDx: A Hybrid Deep Learning Approach for Early Lung Cancer Diagnosis Using 3D Res-U-Net, YOLOv5, and Vision Transformers

1. Problema e Contesto

Il cancro ai polmoni rappresenta la principale causa di morte correlata al cancro a livello globale, con un tasso di mortalità del 18,7%. La diagnosi precoce è fondamentale per migliorare la sopravvivenza dei pazienti, ma rimane una sfida significativa, specialmente nei paesi a risorse limitate dove l'accesso a radiologi esperti e tecnologie avanzate è scarso.
Le principali difficoltà includono:

• Asintomaticità iniziale: I pazienti nelle fasi iniziali spesso non mostrano sintomi, portando a diagnosi tardive.
• Complessità delle immagini: I noduli polmonari (spesso tra 3mm e 30mm) possono essere difficili da distinguere dai tessuti circostanti o da artefatti nelle immagini TC (Tomografia Computerizzata).
• Sovraccarico dei radiologi: L'analisi manuale di centinaia di immagini TC è laboriosa e soggetta a errori di diagnosi.
• Limiti degli approcci tradizionali: I metodi basati su regole o le architetture CNN pure faticano a gestire la variabilità delle forme dei noduli e lo squilibrio tra campioni positivi e negativi.

2. Metodologia: Framework AutoLungDx

Il paper propone AutoLungDx, un framework end-to-end ibrido basato sul deep learning, strutturato in tre fasi sequenziali per l'analisi delle immagini TC del torace. L'obiettivo è creare una pipeline automatizzata che funzioni efficacemente anche in contesti con risorse limitate.

Fase 1: Segmentazione Polmonare (3D Res-U-Net)

• Obiettivo: Isolare il parenchima polmonare dall'intero volume TC per ridurre il rumore di fondo (es. tessuti adiacenti, costole) e focalizzare l'analisi solo sulla regione di interesse (ROI).
• Architettura: Viene proposta una variante migliorata della 3D U-Net, denominata 3D Res-U-Net.
• Innovazione: L'integrazione di blocchi residui (residual connections) all'interno dell'architettura U-Net 3D mira a mitigare il problema del gradiente vanishing e a migliorare il flusso di informazioni. Questo permette una segmentazione più precisa dei bordi, specialmente nelle regioni giuxtapleuriche (vicino alla superficie del polmone), dove i noduli sono spesso difficili da rilevare.
• Input/Output: Ingresso di tile 3D (256x256x256 voxel) e output di una maschera binaria del polmone.

Fase 2: Rilevamento dei Noduli (YOLOv5)

• Obiettivo: Identificare la posizione esatta dei noduli polmonari all'interno delle fette assiali del polmone segmentato.
• Architettura: Utilizzo della rete YOLOv5s (versione "small" per efficienza computazionale).
• Processo: Dopo la segmentazione, i dati vengono pre-elaborati (crop del foreground, generazione di bounding box basate sulle annotazioni). YOLOv5s opera su singole fette 2D estratte dal volume 3D segmentato.
• Vantaggi: Offre un compromesso ottimale tra velocità di inferenza e accuratezza, utilizzando una backbone CSPNet e meccanismi di aggregazione dei percorsi (PANet) per catturare caratteristiche a diverse scale.

Fase 3: Classificazione della Malignità (Vision Transformer - ViT)

• Obiettivo: Determinare se un nodulo rilevato è benigno o maligno.
• Architettura: Utilizzo di un Vision Transformer (ViT) personalizzato.
• Meccanismo: A differenza delle CNN che analizzano regioni locali, il ViT divide l'immagine del nodulo (patch 64x64) in sottopatch, le trasforma in token e applica meccanismi di self-attention. Questo permette al modello di catturare dipendenze a lungo raggio e il contesto globale dell'immagine, essenziale per distinguere caratteristiche sottili di malignità.
• Struttura: 8 encoder transformer con attenzione multi-testa, seguiti da strati feed-forward per la classificazione finale.

3. Contributi Chiave

1. Pipeline Ibrida End-to-End: Integrazione coerente di segmentazione, rilevamento e classificazione in un'unica pipeline clinica significativa (Gating ROI → Rilevamento → Classificazione).
2. Innovazione nella Segmentazione: Sviluppo della 3D Res-U-Net, che supera le prestazioni della U-Net standard, specialmente nei bordi complessi e nelle regioni giuxtapleuriche.
3. Adattamento di YOLOv5: Applicazione efficace di YOLOv5s per il rilevamento di noduli su fette TC assiali, con analisi dettagliata degli errori (es. falsi positivi vicino ai vasi).
4. Classificazione basata su ViT: Dimostrazione che i Transformer superano le CNN tradizionali nella classificazione della malignità, grazie alla capacità di modellare il contesto globale.
5. Valutazione Completa: Benchmarking su tutti e tre i task sul dataset pubblico LUNA16, con metriche di performance, analisi degli errori e valutazione dell'efficienza computazionale.

4. Risultati Sperimentali

Il framework è stato valutato sul dataset LUNA16 (sottoinsieme di LIDC-IDRI), contenente 888 scansioni TC e 1.186 noduli annotati.

• Segmentazione (3D Res-U-Net):
  • Dice Score: 98,82% (con un intervallo di confidenza 95% di 98,5–99,1%).
  • Supera le architetture state-of-the-art (es. R2U-Net, SegNet) e mostra una migliore capacità di generalizzazione.
• Rilevamento Noduli (YOLOv5s):
  • mAP@50: 0,76 (mAP@50:95 = 0,62).
  • Rileva i noduli con un basso tasso di falsi positivi, sebbene presenti difficoltà con noduli molto piccoli (3-6mm) giuxtapleurici.
• Classificazione Malignità (ViT):
  • Accuratezza: 96,29% (miglioramento del 4,25% rispetto ai metodi SOTA precedenti come STLF-VA).
  • Precisione: 96,26%, Recall: 95,84%, F1-Score: 96,04%.
  • ROC-AUC: 0,989, indicando un'eccellente capacità discriminatoria.
  • Le mappe di attenzione (attention-rollout) confermano che il modello si concentra sulle lesioni e sui loro margini, allineandosi con i criteri radiologici clinici.
• Efficienza Computazionale:
  • Tempo di inferenza su GPU di fascia media: ViT (8-10 ms), YOLOv5s (3,5-4,7 ms), 3D Res-U-Net (~1,6 s). I modelli di rilevamento e classificazione sono quasi in tempo reale.

5. Significato e Impatto

• Supporto alla Diagnosi Precoce: Il sistema offre un'alternativa automatizzata e ad alta precisione per lo screening del cancro ai polmoni, cruciale per ridurre la mortalità.
• Accessibilità: La capacità di operare con risorse computazionali moderate (specialmente le fasi di rilevamento e classificazione) e l'alta accuratezza lo rendono promettente per l'implementazione in contesti a risorse limitate o dove mancano radiologi esperti.
• Affidabilità Clinica: L'uso di un approccio modulare permette ai clinici di validare visivamente ogni fase (segmentazione, rilevamento, classificazione), aumentando la fiducia nel sistema.
• Limitazioni e Futuro: Il paper riconosce la necessità di validazione clinica prospettica, l'ottimizzazione per ambienti a risorse estremamente limitate (edge computing) e l'espansione dei dataset per includere una maggiore diversità demografica e di scanner.

In conclusione, AutoLungDx rappresenta un avanzamento significativo nell'uso di architetture ibride (CNN + Transformer) per la diagnostica medica, dimostrando che l'integrazione di segmentazione 3D, rilevamento veloce e classificazione basata su attenzione può superare le prestazioni degli approcci esistenti, offrendo una soluzione scalabile per la lotta al cancro ai polmoni.