Sintesi Tecnica: Rappresentazioni MRI Supervisionate da Metadati per la Modellazione e il Controllo della Variabilità di Acquisizione

Definizione del Problema

I dati di Risonanza Magnetica (MRI) mostrano una sostanziale variabilità di acquisizione, in cui strutture anatomiche identiche appaiono marcatamente differenti tra diversi scanner, intensità di campo e protocolli di imaging. Questo "shift di acquisizione" intreccia la struttura biologica con l'aspetto dipendente dall'acquisizione nelle rappresentazioni apprese, limitando l'interpretabilità, la generalizzazione e l'impiego clinico dei modelli MRI automatizzati.

Gli approcci attuali a questo problema trattano tipicamente la variabilità di acquisizione come un fattore di disturbo da rimuovere tramite la generalizzazione del dominio (sopprimendo le caratteristiche discriminanti del dominio) o l'armonizzazione delle immagini (mappando le immagini verso un aspetto target). Tuttavia, questi metodi spesso ignorano la natura strutturata e fisicamente significativa della variabilità MRI. Inoltre, sebbene i metadati DICOM contengano i determinanti causali del contrasto dell'immagine (es. tempo di eco, tempo di ripetizione, tipo di sequenza), essi sono frequentemente sottoutilizzati nell'apprendimento delle rappresentazioni o trattati come inaffidabili a causa delle incongruenze negli archivi retrospettivi. La sfida centrale è separare esplicitamente la struttura anatomica dall'aspetto dipendente dall'acquisizione, sfruttando al contempo i metadati per modellare, auditare e controllare questa variabilità.

Metodologia: Il Framework MaRaI

Gli autori introducono MaRaI (Multimodal Acquisition-aware Radiology AI), un framework che tratta i metadati DICOM non come etichette ausiliarie, ma come supervisione strutturata per l'apprendimento di rappresentazioni disgiunte. Il framework consiste in due componenti primarie che condividono uno spazio di rappresentazione comune:

1. MR-CLIP: Apprendimento Contrastivo Guidato dai Metadati

MR-CLIP allinea i volumi MRI con prompt in linguaggio naturale costruiti a partire dai tag di acquisizione DICOM utilizzando un obiettivo contrastivo supervisionato (SupCon).

• Elaborazione dei Metadati: I parametri temporali numerici (TE, TR, TI) vengono discretizzati in bin, e i tag categorici vengono raggruppati per formare etichette di supervisione "consapevoli del contrasto". Questi vengono formattati in prompt di linguaggio naturale (es. "Una MRI cerebrale, piano..., Scanner..., Acquisizione..., Parametri di Imaging...").
• Architettura: Il modello utilizza un Vision Transformer (ViT) per le immagini e un transformer testuale per i prompt dei metadati. Impiega una perdita contrastiva supervisionata bidirezionale per avvicinare i volumi che condividono lo stesso protocollo di acquisizione (indipendentemente dall'anatomia o dal soggetto) e allontanare quelli con protocolli differenti.
• Varianti: Il framework supporta configurazioni 2D (livello di slice), 2.5D (slice aggregate) e 3D (volumetrica).

2. DIST-CLIP: Fattorizzazione e Armonizzazione Anatomia-Contrasto

Costruendo sulle partizioni di contrasto di MR-CLIP, DIST-CLIP fattorizza ogni scansione in due componenti:

• Mappa Anatomica ($\beta$): Una rappresentazione invariante rispetto all'acquisizione che cattura la struttura tissutale (geometria dei solchi, forma dei ventricoli, confini).
• Rappresentazione del Contrasto ($\theta$): Un codice che codifica l'aspetto dipendente dall'acquisizione.

Architettura e Sintesi:

• Anatomy Mapper: Un encoder U-Net estrae $\beta$ dall'immagine sorgente, sopprimendo i pattern di intensità specifici del contrasto.
• Style Fusion Decoder: Un decoder innovativo che fonde $\beta$ con un codice di contrasto target ($\theta$) per generare un'immagine armonizzata.
  • Condizionamento: Il decoder è condizionato su $\theta$ derivato da un'immagine di riferimento (DIST-CLIP/I) o direttamente dai metadati di acquisizione (DIST-CLIP/T).
  • Meccanismo: Utilizza la Normalizzazione Istanza Adattiva (AdaIN) e la Cross-Attention per modulare le caratteristiche anatomiche. Un MLP mappa l'embedding del contrasto in query di stile e statistiche per canale, che riscalano le caratteristiche attentate per far corrispondere le statistiche di intensità target preservando al contempo la disposizione anatomica.
• Obiettivi di Addestramento: Il modello minimizza una perdita composita che include ricostruzione ($L_{rec}$), perdita percettiva ($L_{perc}$), perdita avversaria ($L_{adv}$), allineamento contrastivo a livello di patch per l'anatomia ($L_{\beta}$), coerenza di stile globale ($L_{global}$) e coerenza direzionale ($L_{dir}$).

Contributi Chiave

1. Disgiunzione Anatomia-Contrasto con Rilevanza Clinica: Gli autori dimostrano che le mappe anatomiche derivate da DIST-CLIP riducono la variabilità guidata dall'acquisizione nella morfometria tissutale. Fondamentalmente, i classificatori addestrati su queste rappresentazioni disgiunte mostrano un miglioramento della generalizzazione cross-vendor (da Siemens a GE) per la classificazione della malattia di Alzheimer rispetto alla MRI raw, stabilendo che la disgiunzione esplicita fornisce benefici clinici misurabili oltre la coerenza visiva.
2. Armonizzazione Unificata tra Contrasti e Siti: Il framework introduce un singolo modello capace di un'armonizzazione ad alta fedeltà attraverso tutti i principali contrasti e scanner cerebrali. Supporta la sintesi guidata dall'immagine e la sintesi condizionata dai metadati, consentendo la generazione di aspetti target senza richiedere una scansione di riferimento (usando solo i metadati). Ciò unifica l'adattamento cross-modality e cross-site in un modo che i framework precedenti non facevano.
3. Apprendimento di Rappresentazione Consapevole del Contrasto guidato dai Metadati: Introducendo una strategia di discretizzazione dei metadati, gli autori consentono l'apprendimento contrastivo supervisionato su larga scala. Le conseguenti rappresentazioni MR-CLIP supportano il recupero cross-modale, la classificazione di sequenze few-shot e il controllo qualità automatizzato, superando i baseline supervisionati e dimostrando che i metadati di acquisizione possono effettivamente strutturare i grandi archivi clinici.

Risultati

• Stabilità Anatomica: Le rappresentazioni anatomiche ($\beta$) hanno ridotto significativamente il coefficiente di variazione (CV) nei volumi di segmentazione tissutale (Materia Grigia, Materia Bianca, CSF) attraverso diverse sequenze rispetto alle immagini raw, mantenendo al contempo punteggi Dice simili per la segmentazione tissutale.
• Generalizzazione Cross-Vendor: Sul dataset ADNI, i classificatori della malattia di Alzheimer che utilizzano input $\beta$ hanno raggiunto un'accuratezza bilanciata superiore generalizzando da scanner Siemens a GE rispetto agli input MRI raw.
• Qualità di Armonizzazione:
  • Fedeltà: Le varianti di DIST-CLIP hanno ottenuto punteggi SSIM e PSNR superiori rispetto ai baseline (HACA3 e TUMSyn) nei compiti di traduzione cross-contrast (es. T2w $\rightarrow$ PDw, FLARE $\rightarrow$ T2w).
  • Preservazione Strutturale: Sui dati clinici non visti, DIST-CLIP ha raggiunto punteggi Dice significativamente più alti (0.78) per la coerenza della segmentazione rispetto a HACA3 (0.70) e TUMSyn (0.38).
  • Utilità Downstream: Sul dataset esterno ON-Harmony, i dati armonizzati hanno ridotto significativamente l'accuratezza della classificazione di scanner/sito (da 0.79 a 0.42) pur preservando le prestazioni di predizione dell'età cerebrale (l'MAE è rimasto stabile), indicando una rimozione efficace dei confondenti specifici dello scanner senza perdere il segnale biologico.
• Organizzazione dei Metadati e QC:
  • Recupero: MR-CLIP ha ottenuto un alto recall nel recupero cross-modale (es. 90.9% per il matching metadati-slice).
  • Few-Shot Learning: I classificatori lineari sugli embedding congelati di MR-CLIP hanno superato significativamente i ResNet 3D end-to-end nei scenari di classificazione di sequenze few-shot.
  • Controllo Qualità: Il framework ha rilevato con successo corruzioni sintetiche dei metadati (errori numerici, tag errati, campi mancanti) con un'alta AUC (fino a 0.997 per edizioni gravi) misurando la similarità del coseno tra gli embedding di immagine e metadati.

Significato e Rivendicazioni

L'articolo sostiene che la variabilità di acquisizione non sia solo una fonte inevitabile di domain shift, ma un componente strutturato del processo di imaging che può essere modellato, auditato e controllato. Sfruttando i metadati di acquisizione di routine presenti in ogni archivio DICOM clinico, MaRaI ancora le rappresentazioni dove anatomia e contrasto sono separabili.

Gli autori affermano che questo approccio consente:

• Sintesi Controllabile: Generare aspetti target senza dover sempre richiedere una scansione di riferimento, affidandosi invece ai metadati di acquisizione.
• Auditing Scalabile: Monitorare le collezioni di imaging per l'integrità dei metadati prima dell'analisi.
• AI Clinica Robusta: Una via verso modelli di fondazione che siano robusti all'eterogeneità che caratterizza i dati ospedalieri del mondo reale.

Il lavoro suggerisce che separare l'anatomia dall'aspetto dipendente dall'acquisizione permetta un confronto cross-site rigoroso e un controllo di qualità sistematico, trasformando la variabilità di acquisizione da una barriera in una variabile gestibile e strutturata. Gli autori rimangono modesti, osservando che, sebbene il framework separi l'anatomia dall'acquisizione, fattori come la patologia e il movimento rimangono parzialmente disgiunti, e sono necessarie ulteriori validazioni attraverso diverse popolazioni cliniche e demografiche.