Riepilogo Tecnico: Diffusione Disaccoppiata Anatomia-Malattia (DADD) per la Sintesi Controllata della Progressione della Colite Ulcerosa

1. Enunciato del Problema

La sintesi di immagini mediche longitudinali a stadi di malattia controllabili è ostacolata dall'intreccio tra le caratteristiche anatomiche specifiche del paziente e le texture patologiche. Nel contesto della Colite Ulcerosa (UC), la gravità della malattia segue una progressione ordinale continua definita dal Mayo Endoscopic Score (MES), che va da 0 (normale) a 3 (grave). I dataset esistenti, come LIMUC, soffrono di uno squilibrio di classe severo e di una mancanza di follow-up longitudinali a causa della natura invasiva delle endoscopie ripetute.

Gli approcci generativi attuali affrontano un critico "collo di bottiglia dell'intreccio". I metodi che condizionano la generazione su immagini di riferimento (ad esempio, IP-Adapter utilizzando encoder CLIP) incorporano inevitabilmente la patologia della malattia sorgente nella rappresentazione anatomica. Quando si tenta di sintetizzare una progressione controfattuale (ad esempio, cambiare un'immagine sorgente da MES 3 a MES 0), il modello riceve segnali conflittuali: deve preservare la struttura anatomica mentre simultaneamente cancella la patologia sorgente e genera un nuovo livello di gravità. Questo conflitto semantico porta spesso ad artefatti strutturali o al fallimento nella rimozione delle caratteristiche di malattia esistenti.

2. Metodologia

Il framework proposto, Diffusione Disaccoppiata Anatomia-Malattia (DADD), affronta questo problema separando esplicitamente l'identità anatomica dalla gravità della malattia all'interno di un modello di diffusione latente. L'architettura integra tre componenti novel in un backbone standard di Stable Diffusion:

2.1. Additive Ordinal Embedder (AOE)

Per modellare la natura continua del MES, il framework impiega un AOE che rappresenta la gravità come una somma cumulativa di incrementi apprendibili. Un livello MES più alto include tutte le caratteristiche dei livelli inferiori più una patologia aggiuntiva. Ciò consente la generazione di livelli di gravità intermedi arbitrari tramite interpolazione continua.

2.2. Feature Purifier

Per risolvere l'intreccio tra anatomia e malattia sorgente, viene introdotto un Feature Purifier. Questo modulo opera in tre fasi:

1. Identificazione: Un layer di cross-attention interroga i token dell'immagine contro l'embedding della malattia sorgente (derivato dall'etichetta MES sorgente) per identificare i canali correlati alla malattia.
2. Gating: Un MLP di gating genera una maschera sigmoide per controllare la soppressione di queste caratteristiche identificate.
3. Cancellazione: Una sottrazione residua gating rimuove il componente della malattia dai token dell'immagine, producendo token anatomici "purificati" ($e_{clean}$) che mantengono l'identità strutturale ma mancano della patologia sorgente.

2.3. Cross-Attention a Triple Percorsi

Invece di concatenare tutti i token di condizionamento, DADD utilizza un meccanismo di iniezione separata con tre percorsi distinti iniettati nella U-Net:

• Percorso Anatomia: Processa i token anatomici purificati ($e_{clean}$) utilizzando proiezioni pre-addestrate per preservare la ricostruzione strutturale.
• Percorso Malattia: Processa i token della malattia target ($e_{aoe}^t$) utilizzando proiezioni separate e prive di bias.
• Percorso Delta: Processa il cambiamento direzionale di gravità ($\Delta$) derivato dalla differenza tra gli embedding target e sorgente.

Instradamento Consapevole della Frequenza: Il framework impiega gate di instradamento dipendenti dalla risoluzione ($g_a, g_d$) per pesare il contributo dell'anatomia rispetto alla malattia a diverse profondità della U-Net. I blocchi a bassa risoluzione (che catturano la struttura globale) sono pesati fortemente verso l'anatomia, mentre i blocchi ad alta risoluzione (che catturano la texture fine) sono pesati verso la malattia. Ciò garantisce che le modifiche alla malattia siano confinate alle texture patologiche granulari senza disturbare la struttura mucosa globale.

2.4. Delta Steering

Per abilitare un controllo preciso sulle transizioni di malattia senza il costo computazionale della Classifier-Free Guidance (CFG), gli autori introducono il Delta Steering. Questo è un segnale direzionale in singola passata, privo di addestramento, derivato dalla differenza proiettata tra gli embedding ordinali target e sorgente.

• Meccanismo: $\Delta = \text{proj}(E[y_t]) - \text{proj}(E[y_s])$.
• Operazione: Durante l'inferenza, $\Delta$ viene elaborato attraverso le proiezioni della malattia prive di bias per iniettare un segnale con segno e proporzionale alla magnitudine nel meccanismo di attenzione.
• Vantaggio: Ciò elimina la necessità di passaggi forward incondizionati, riducendo la latenza di inferenza di circa 2× rispetto alla CFG standard.

3. Contributi Chiave

• Disaccoppiamento tramite Cancellazione: Un Feature Purifier basato su cross-attention che identifica e sopprime dinamicamente i canali correlati alla malattia dai token dell'immagine, disaccoppiando efficacemente l'anatomia dalla patologia.
• Iniezione Consapevole della Frequenza: Un meccanismo di Cross-Attention a Triple Percorsi con gate di instradamento fissi che indirizza i segnali anatomici e patologici ai livelli appropriati della U-Net in base alla gerarchia di risoluzione.
• Delta Steering: Un meccanismo di controllo novel in singola passata per la progressione monotona della malattia che fornisce un controllo con segno e proporzionale alla magnitudine, offrendo un'alternativa più efficiente alla CFG.
• Augmentation Mirata: Una dimostrazione empirica che la sintesi di dati longitudinali specifici del soggetto riequilibra efficacemente le distribuzioni di classe sbilanciate, migliorando le prestazioni di classificazione a valle.

4. Risultati Sperimentali

Il framework è stato validato sul dataset LIMUC (10.284 immagini) utilizzando Stable Diffusion v1.4.

• Qualità di Generazione: Mentre alcune varianti (DADD-I, DADD-U) hanno ottenuto punteggi Fréchet Inception Distance (FID) più bassi, non sono riuscite a produrre caratteristiche patologiche discriminative, risultando in prestazioni quasi casuali nei compiti a valle. La configurazione Hierarchical Routing (DADD-H), che allinea l'iniezione della malattia con i livelli ad alta risoluzione, ha raggiunto il miglior equilibrio.
• Classificazione a Valle: DADD-H ha migliorato significativamente l'accuratezza di classificazione e il Quadratic Weighted Kappa (QWK) rispetto ai baseline. In uno scenario di addestramento "Solo Sintetico" (nessun dato reale), DADD-H ha raggiunto un'accuratezza del 61,68% e 70,74 QWK, superando il baseline IP-AOE (54,54% / 42,20 QWK).
• Fedeltà della Gravità: Un Regression Judge addestrato su dati reali ha valutato gli output sintetici. DADD-H ha raggiunto 81,53 QWK e 0,46 RMSE, corrispondendo da vicino alle prestazioni dei modelli addestrati su dati reali (83,28 QWK / 0,47 RMSE). Ciò conferma che il modello trasforma genuinamente la patologia piuttosto che replicare la sorgente.
• Velocità di Inferenza: Le varianti DADD hanno raggiunto un speedup di circa 2× rispetto ai baseline basati su CFG (ad esempio, 187,3 ms/img vs. 314,6 ms/img con batch size 8) grazie al meccanismo di delta steering in singola passata.
• Analisi Qualitativa: I confronti visivi hanno mostrato che DADD-H ha cancellato con successo le texture patologiche esistenti quando sintetizzava livelli di gravità inferiori (ad esempio, MES 3 $\to$ 0), mentre i baseline IP-Adapter non sono riusciti a rimuovere la malattia sorgente, risultando in generazioni intrecciate.

5. Significato e Affermazioni

Il paper afferma che DADD fornisce un framework robusto per la sintesi di immagini mediche longitudinali in cui l'anatomia specifica del paziente è preservata mentre la gravità della malattia è modulata in modo controllabile. Gli autori sottolineano che:

1. La somiglianza distribuzionale (FID) è insufficiente per validare la sintesi di progressione condizionata; modelli con basso FID potrebbero non alterare la patologia in modo significativo.
2. Il disaccoppiamento è critico: cancellare esplicitamente le informazioni sulla malattia sorgente dall'embedding anatomica è necessario per evitare conflitti semantici durante la generazione controfattuale.
3. Efficienza: Il meccanismo di delta steering offre un'alternativa computazionalmente efficiente alla CFG, rendendo la sintesi controllata più pratica per le applicazioni cliniche.
4. Utilità Clinica: La capacità di generare dati longitudinali bilanciati e specifici del soggetto affronta direttamente lo squilibrio di classe endemico nei dataset medici, migliorando l'addestramento dei classificatori diagnostici a valle.

Gli autori notano che le prestazioni rimangono sensibili alla scala di steering ($\lambda_{steer}$), con valori $\ge 5$ che introducono artefatti strutturali, e suggeriscono lavori futuri su programmi di steering per classe e l'estensione ad altre modalità mediche longitudinali.