Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning

Questo lavoro presenta un framework di apprendimento profondo basato su Multiple Instance Learning e attenzione avversaria per la diagnosi equa di malattie polmonari da scansioni TC del torace, progettato per massimizzare le prestazioni bilanciate tra generi nel contesto della sfida Fair Disease Diagnosis di CVPR 2026.

L'essenziale

Immagina di dover insegnare a un detective digitale (l'intelligenza artificiale) a leggere delle scansioni polmonari 3D (i TAC) per capire se una persona è sana o malata. Il compito è difficile perché ci sono quattro tipi di "cattivi" da identificare: un virus (COVID), due tipi di tumore e la salute perfetta.

Ma c'è un problema enorme: il detective deve essere giusto. Non può essere bravo a diagnosticare solo gli uomini e sbagliare con le donne, o viceversa. Il paper descrive come hanno costruito questo detective per vincere una gara di intelligenza artificiale, risolvendo tre grandi ostacoli.

1. Il Problema dell'Ago nel Fieno (Le Slices)

Immagina che ogni scansione TAC sia un panino alto 200 fette.

• Il problema: Se il paziente ha un piccolo tumore, questo potrebbe apparire solo in 2 o 3 fette del panino. Le altre 197 fette sono polmoni sani e normali.
• L'errore vecchio: Se il detective guardasse tutte le fette e facesse una "media" (come dire: "in media sembra sano"), il tumore sparirebbe nel rumore di fondo. Se guardasse solo la fetta più strana (massima), potrebbe confondersi con un'ombra o un artefatto.
• La soluzione (Attenzione-MIL): Hanno insegnato al detective a non guardare tutto alla stessa maniera. Gli hanno dato un super-potere di "attenzione". Il detective impara a dire: "Aspetta, questa fetta qui sembra sospetta, la guardo da vicino. Quelle altre 190? Le ignoro, sono solo rumore". È come se avesse un faro che illumina solo le parti importanti del panino, ignorando il resto.

2. Il Problema del "Bias Invisibile" (La Giustizia)

C'era un altro problema: nei dati di addestramento, c'erano moltissimi uomini e poche donne, specialmente per un tipo specifico di tumore (il carcinoma squamoso femminile).

• Il trucco pericoloso: L'intelligenza artificiale è furba. Se vede che quasi tutti i casi di quel tumore sono uomini, potrebbe imparare una scorciatoia: "Se vedo un uomo, è probabile che sia malato; se vedo una donna, è probabile che sia sana". Non guarderebbe nemmeno il polmone!
• La soluzione (Il "Cappello Antifurto"): Hanno aggiunto un componente chiamato Gradient Reversal Layer (GRL). Immaginalo come un cappello magico che il detective deve indossare.
  • Mentre il detective cerca di capire la malattia, il cappello gli sussurra: "Non guardare se è maschio o femmina! Se provi a usare quella informazione, ti punisco!".
  • Questo costringe il detective a imparare a riconoscere la malattia solo guardando i polmoni, ignorando completamente il genere del paziente. È come se gli togliessero gli occhiali da sole per fargli vedere la verità nuda e cruda.

3. Il Problema del "Gruppo Piccolo" (L'Equilibrio)

C'era un gruppo di pazienti (donne con quel tipo specifico di tumore) così raro che il detective non ne vedeva quasi mai durante l'allenamento.

• La soluzione (Il "Suggerimento"): Hanno usato una tecnica per ripetere artificialmente i casi rari durante l'allenamento. È come se, mentre il detective studia, gli mostrassero 10 volte di più le foto di quel gruppo raro, finché non le impara a memoria. Inoltre, hanno usato una formula matematica speciale (Focal Loss) che dice al detective: "Se sbagli su un caso difficile o raro, ti punisco molto di più che se sbagli su un caso facile".

Come funziona la "Votazione Finale"

Quando il detective deve fare una diagnosi reale (non durante l'allenamento), non si fidano di un solo modello.

• Hanno addestrato 5 detective diversi (5 modelli).
• Ogni detective guarda il paziente due volte: una volta normale e una volta specchiato (come se guardasse allo specchio).
• Poi fanno una votazione: prendono le risposte di tutti e 5 i detective, le mescolano e decidono insieme. Se uno è incerto, gli altri lo correggono.
• Infine, usano un filtro intelligente (soglia di decisione) per assicurarsi che i casi rari non vengano scartati troppo facilmente.

Il Risultato

Grazie a questo sistema:

1. Il detective è diventato molto bravo a trovare i tumori nascosti (grazie all'attenzione sulle fette giuste).
2. È diventato giusto: non sbaglia più spesso con le donne rispetto agli uomini.
3. Ha vinto la gara ottenendo un punteggio medio molto alto, dimostrando che l'intelligenza artificiale medica può essere sia precisa che equa.

In sintesi: Hanno costruito un detective che sa ignorare il "rumore" (le fette sane), non fa scorciatoie basate sul genere (grazie al cappello magico) e impara a memoria i casi rari, tutto per garantire che ogni paziente, uomo o donna, riceva la diagnosi corretta.

Sommario tecnico

1. Il Problema

Il lavoro affronta la diagnosi automatica di malattie polmonari tramite volumi di TAC (Tomografia Computerizzata) del torace, sviluppata per la sfida Fair Disease Diagnosis Challenge (Workshop PHAROS-AIF-MIH, CVPR 2026).
Le sfide principali identificate sono tre:

• Sparsità del segnale patologico: Un volume TAC contiene 100-200 fette assiali, ma le lesioni patologiche (nodi, opacità) occupano solo poche fette. I metodi di pooling tradizionali (media) tendono a diluire il segnale patologico a causa delle fette sane, mentre il max-pooling è sensibile agli artefatti.
• Squilibrio demografico intersezionale: Esiste uno sbilanciamento severo tra le classi di malattia e il genere. In particolare, il sottogruppo "Carcinoma a cellule squamose femminile" (Female G) è estremamente sottorappresentato nei dati di addestramento rispetto agli altri gruppi.
• Shortcut latenti di genere: Anche se il genere non è un input esplicito, i modelli profondi possono codificare informazioni demografiche (legate alla morfologia corporea o ai parametri di acquisizione) come caratteristiche latenti, portando a previsioni ingiuste che peggiorano le prestazioni per i gruppi sottorappresentati.

L'obiettivo è classificare le TAC in quattro categorie (Sano, COVID-19, Adenocarcinoma, Carcinoma a cellule squamose) massimizzando la media dei punteggi Macro-F1 per genere, penalizzando esplicitamente le previsioni che favoriscono un genere a discapito dell'altro.

2. Metodologia

L'approccio proposto è un framework end-to-end basato su Multiple Instance Learning (MIL) con attenzione, costruito su una backbone ConvNeXt, integrato con meccanismi di equità avversariale.

Architettura del Modello

1. Estrazione delle caratteristiche: Ogni fetta 2D della TAC viene processata da una backbone ConvNeXt (inizialmente Tiny, poi Base) per ottenere un embedding.
2. Pooling basato sull'attenzione (Attention-MIL): Invece di una media o un massimo fisso, un network MLP a due livelli assegna un peso di importanza ($w_i$) a ogni fetta. Questo permette al modello di imparare a selezionare automaticamente le fette diagnosticamente rilevanti senza supervisione a livello di fetta.
3. Testa di classificazione della malattia: Un classificatore lineare mappa l'embedding aggregato del volume alle quattro classi di malattia.
4. Testa avversariale di genere (GRL): Per rimuovere le informazioni di genere dall'embedding del volume, viene aggiunto un classificatore di genere (Maschio/Femmina) collegato tramite un Gradient Reversal Layer (GRL). Durante l'addestramento, il GRL inverte i gradienti, costringendo la backbone e il modulo di attenzione a rimuovere le strutture predittive del genere, pur mantenendo l'accuratezza diagnostica.

Protocollo di Addestramento

• Loss Function: Utilizzo di Focal Loss con label smoothing per gestire lo sbilanciamento delle classi e ridurre la confidenza eccessiva, specialmente per i gruppi rari.
• Campionamento: Implementazione di un WeightedRandomSampler per sovracampionare aggressivamente il sottogruppo "Female G", assicurandosi che appaia in quasi ogni batch.
• Validazione Incrociata Stratificata: Divisione dei dati in 5 fold basata su una chiave composta (Classe, Genere) per garantire la presenza di tutti i sottogruppi in ogni fold.
• Strategia di Addestramento: Un piano a due stadi: prima si congelano i pesi della backbone per stabilizzare le teste di attenzione e avversariale, poi si sblocca la backbone con un learning rate più basso.

Inferenza e Ottimizzazione

• Ensemble: Aggregazione di tutti i 5 checkpoint dei fold tramite soft logit voting.
• Test-Time Augmentation (TTA): Applicazione di un flip orizzontale deterministico per ridurre la varianza delle previsioni.
• Ottimizzazione delle Soglie (Post-hoc): Utilizzo di soglie di decisione ottimizzate per classe (basate su previsioni Out-of-Fold) per correggere lo sbilanciamento delle probabilità, senza riaddestrare il modello.

3. Contributi Chiave

1. Architettura MIL con Attenzione: Un modello che impara l'importanza delle singole fette diagnostiche partendo solo da etichette a livello di scansione, risolvendo il problema della sparsità del segnale.
2. Meccanismo di Equità Avversariale: L'uso del GRL per esplicitamente disaccoppiare le informazioni di genere dalle rappresentazioni delle immagini, garantendo che le decisioni non siano basate su bias demografici.
3. Protocollo di Addestramento Multi-livello: Combinazione di stratified cross-validation, focal loss, label smoothing e sovracampionamento mirato per affrontare sia lo sbilanciamento di classe che quello intersezionale.
4. Strategia di Inferenza Robusta: Integrazione di ensemble, TTA e ottimizzazione delle soglie OOF per massimizzare la stabilità e l'equità.

4. Risultati

Il modello ha ottenuto un punteggio medio di validazione di 0.685 (±0.030), con il miglior singolo fold che ha raggiunto 0.759.

• Equità: L'uso del GRL ha ridotto il divario di equità. Il punteggio Macro-F1 medio femminile (0.691) è leggermente superiore a quello maschile (0.679), dimostrando che il modello non dipende più da bias di genere.
• Performance per Classe: Il Carcinoma a cellule squamose (SCC) rimane la classe più difficile (F1 medio 0.366), a causa della scarsità estrema dei dati, in particolare per le donne. Tuttavia, l'oversampling ha prevenuto il collasso completo di questa classe.
• Ablazione: Lo studio ha mostrato che il passaggio dal mean pooling all'attention-MIL e l'aggiunta del GRL sono stati i fattori critici per migliorare la robustezza spaziale e l'equità.

5. Significato e Conclusioni

Il paper dimostra che per l'IA clinica, l'equità demografica non può essere ottenuta solo curando il dataset, ma richiede un'attenzione metodologica esplicita e stratificata.

• L'approccio proposto risolve il problema fondamentale della diagnosi volumetrica (dove il segnale è raro) attraverso l'attenzione appresa.
• Dimostra che è possibile addestrare modelli ad alta accuratezza che non sfruttano "shortcut" demografici, utilizzando tecniche avversariali come il GRL.
• Evidenzia che, nonostante le tecniche avanzate, la scarsità dei dati per sottogruppi specifici (come le donne con SCC) rimane un limite fondamentale, suggerendo futuri lavori su tecniche di aumento generativo (es. diffusion models) o pre-addestramento semi-supervisionato.

In sintesi, questo lavoro offre un framework robusto e riproducibile per la diagnosi medica equa, bilanciando accuratezza clinica e giustizia sociale attraverso l'architettura di rete e le strategie di addestramento.