Image-based Joint-level Detection for Inflammation in Rheumatoid Arthritis from Small and Imbalanced Data

1. Il Problema

L'Artrite Reumatoide (RA) è una malattia autoimmune caratterizzata da infiammazione sistemica delle articolazioni. La diagnosi precoce e il monitoraggio rigoroso sono fondamentali per prevenire danni articolari irreversibili. Tuttavia, la diagnosi tradizionale richiede l'intervento di reumatologi e attrezzature specializzate (come ecografie articolari o risonanza magnetica), che non sono sempre accessibili, specialmente in contesti di telemedicina o per pazienti che vivono in aree remote.

L'obiettivo di questo lavoro è sviluppare un sistema in grado di rilevare l'infiammazione delle articolazioni delle mani utilizzando immagini RGB standard (scattate con fotocamere convenzionali o smartphone), eliminando la necessità di attrezzature costose.

Le sfide tecniche principali identificate sono:

• Scarsità di dati: È difficile raccogliere un gran numero di immagini di pazienti affetti da RA.
• Squilibrio delle classi (Class Imbalance): La maggior parte delle articolazioni nei pazienti RA non è infiammata in un dato momento; quindi, i campioni positivi (infiammati) sono estremamente rari rispetto a quelli negativi.
• Difficoltà intrinseca: I segni visivi esterni (rossore, gonfiore) non sempre corrispondono perfettamente all'infiammazione sinoviale interna.
• Mancanza di dataset affidabili: Le etichette basate solo sull'ispezione visiva dei medici sono soggettive e spesso in disaccordo con la realtà clinica.

2. Metodologia Proposta

Gli autori propongono un framework di deep learning innovativo basato su un approccio Global-Local Encoder e una strategia di addestramento in due fasi.

Architettura della Rete

Il modello utilizza due encoder paralleli basati su ResNet-18:

1. Global Encoder: Elabora l'immagine completa della mano per catturare deformità globali e il contesto strutturale.
2. Local Encoder: Elabora ritagli (patch) specifici di ciascuna articolazione (estratti utilizzando landmark delle articolazioni rilevati da MediaPipe) per catturare dettagli fini dell'infiammazione locale.
   I feature map di entrambi gli encoder vengono fusi e passati a un header MLP per classificare lo stato infiammatorio di ogni singola articolazione.

Strategia di Addestramento in Due Fasi

Per superare la scarsità di dati e lo squilibrio delle classi, viene adottato un approccio ibrido:

1. Pre-addestramento Self-Supervised: Gli encoder vengono pre-addestrati su un dataset su larga scala di mani sane (11k-hands dataset) utilizzando DINO (un metodo self-supervised). Questo permette al modello di apprendere rappresentazioni robuste dell'anatomia della mano senza bisogno di etichette di malattia.
2. Fine-tuning con Focal Loss: Il modello viene poi affinato sul dataset specifico di RA.
   • I pesi degli encoder vengono congelati per prevenire l'overfitting.
   • Viene utilizzato Focal Loss invece della classica Cross-Entropy per mitigare lo squilibrio delle classi, dando più peso ai campioni positivi (minoranza) durante l'addestramento.

3. Contributi Chiave

1. Nuovo Framework Scalabile: Un sistema robusto per il monitoraggio remoto della RA che funziona con immagini RGB standard.
2. Strategia di Pre-training: L'uso di un pre-training su un vasto dataset di mani sane per apprendere feature informative, superando il limite dei pochi campioni positivi di RA.
3. Ottimizzazione Consapevole dello Squilibrio: L'integrazione della Focal Loss per garantire un'alta sensibilità anche nelle articolazioni con bassa prevalenza di infiammazione.
4. Dataset ad Alta Affidabilità: Costruzione di un nuovo dataset RGB dove le etichette di infiammazione sono assegnate basandosi su risultati ecografici (Gold Standard: GS > 1 e PD > 0) e non su ispezione visiva soggettiva. Questo è il primo studio a fornire un dataset oggettivo che colma il divario tra aspetto esterno e infiammazione sinoviale interna.

4. Risultati Sperimentali

Il modello è stato valutato su un dataset raccolto presso l'Università di Keio (68 pazienti, 222 immagini, 2392 punti articolari), utilizzando la validazione incrociata a 5 fold.

• Confronto con Baseline: Il metodo proposto ha superato tutte le baseline (ResNet-18, ResNet-50, InceptionResNetv2, ViT) nella maggior parte delle metriche.
  • F1-score: 0.420 (vs 0.230 di ResNet-18 e 0.212 di Phatak et al.).
  • Gmean: 0.605 (vs 0.356 di ResNet-18).
  • Recall: 0.478 (significativamente superiore alle baseline, cruciale per la diagnosi medica).
• Studio di Ablazione:
  • Rimuovere il pre-training DINO ha ridotto l'F1-score a 0.352.
  • Rimuovere la Focal Loss ha causato un crollo delle prestazioni (F1: 0.158), dimostrando l'importanza critica della gestione dello squilibrio.
  • Rimuovere l'architettura Global/Local ha ridotto l'F1 a 0.408.
• Confronto con Esperti Umani:
  • Tre reumatologi hanno valutato le stesse immagini senza ausilio ecografico.
  • Gli esperti hanno ottenuto un F1-score medio di 0.305 (con una Precisione molto bassa di ~0.21), mentre il modello ha raggiunto 0.420.
  • Gli esperti mostravano un alto Recall (~0.58) ma una bassa Precisione, indicando un "bias di sicurezza" (tendenza a classificare casi ambigui come positivi). Il modello ha dimostrato di essere più preciso degli umani quando si basa solo sull'immagine visiva.
• Fallimento dei Modelli Grandi: I modelli ViT (Vision Transformer) non sono convergenti, fallendo con soluzioni banali (predizione sempre negativa), evidenziando come i modelli con molti parametri tendano all'overfitting su dataset piccoli e sbilanciati.

5. Significato e Conclusioni

Questo lavoro dimostra che è possibile rilevare l'infiammazione articolare della RA utilizzando solo immagini RGB, affrontando efficacemente le sfide dei dati medici reali (piccoli volumi e forte sbilanciamento).

• Impatto Clinico: Il sistema può supportare la telemedicina, permettendo ai pazienti di monitorare la propria condizione a casa e decidere se cercare assistenza specialistica.
• Validità Scientifica: La creazione di un dataset etichettato tramite ecografia rappresenta un passo avanti significativo rispetto agli studi precedenti basati su etichette visive soggettive.
• Limitazioni e Futuro: Il metodo attuale assume che i sintomi siano visibili nell'immagine RGB. Il lavoro futuro si concentrerà sulla rilevazione di casi estremamente precoci dove i cambiamenti non sono ancora visibili a occhio nudo.

In sintesi, l'approccio proposto non solo supera le prestazioni degli esperti umani nella classificazione basata su immagini, ma offre anche una soluzione tecnica praticabile per la diagnosi precoce e il monitoraggio continuo dell'artrite reumatoide.