Longitudinal Multi-View Breast Cancer Risk Prediction

Sintesi Tecnica: Modellazione Longitudinale Multi-Vista per la Predizione del Rischio di Cancro al Seno (LMV-Net)

Definizione del Problema
Una precisa predizione del rischio di cancro al seno tramite mammografia di screening è essenziale per consentire intervalli di screening personalizzati e una diagnosi precoce. Sebbene i recenti metodi di deep learning abbiano dimostrato il valore dei dati longitudinali (confrontando gli esami correnti con quelli precedenti) e di un esplicito allineamento temporale, gli approcci esistenti soffrono di limitazioni significative. Gli attuali modelli eseguono l'allineamento esplicito utilizzando solo una singola vista mammografica (ad esempio, CC o MLO) oppure modellano più viste senza un allineamento longitudinale esplicito. Di conseguenza, tali metodi non riescono a sfruttare appieno le informazioni spazio-temporali complementari utilizzate nella pratica clinica, dove i radiologi confrontano sia le viste Craniocaudale (CC) che Mediolaterale Obliqua (MLO) nel tempo per valutare sottili cambiamenti tissutali.

Metodologia: LMV-Net
Gli autori propongono LMV-Net, un modello di predizione del rischio longitudinale multi-vista per il seno, progettato per analizzare congiuntamente le viste CC e MLO anatomicamente complementari all'interno di un framework longitudinale esplicitamente allineato. L'architettura consiste in sei stadi sequenziali:

1. Estrazione delle Caratteristiche: Un encoder d'immagine condiviso (basato su un backbone ResNet-18, specificamente l'encoder Mirai) estrae le mappe delle caratteristiche dai mammogrammi correnti e precedenti per entrambe le viste CC e MLO.
2. Allineamento delle Caratteristiche Temporali: Per affrontare la deformazione non rigida del seno, il modello allinea esplicitamente le mappe delle caratteristiche longitudinali nello spazio delle caratteristiche. Utilizza un MammoRegNet pre-addestrato e congelato per generare campi di deformazione basati sull'immagine che registrano i mammogrammi precedenti su quelli correnti. Campi di deformazione separati sono stimati per ogni vista (CC e MLO), e una funzione di trasformazione spaziale allinea le mappe delle caratteristiche precedenti a quelle correnti.
3. Sottrazione Temporale: Le caratteristiche di differenza specifiche per la vista vengono calcolate sottraendo le caratteristiche precedenti allineate dalle caratteristiche correnti ($f_{diff} = f_{cur} - f_{pri-align}$). Viene applicata una codifica posizionale a queste caratteristiche di differenza per tenere conto degli intervalli di tempo variabili tra gli screening.
4. Concatenazione delle Caratteristiche Temporali: Le caratteristiche correnti, le caratteristiche precedenti allineate e le caratteristiche di differenza vengono concatenate lungo la dimensione dei canali per formare rappresentazioni di caratteristiche longitudinali ($f_{long}$) per ogni vista, integrando aspetto, contesto e cambiamento temporale.
5. Attenzione a Doppio Stream (Dual Stream Attention): Un nuovo blocco di Attenzione a Doppio Stream raffina le caratteristiche longitudinali. Questo modulo impiega meccanismi paralleli:
   • Self-Attention: Modella le interazioni intra-vista a lungo raggio per migliorare la coerenza spaziale all'interno della stessa vista.
   • Cross-Attention: Sfrutta le caratteristiche della vista complementare (ad esempio, le caratteristiche MLO come chiavi/valori per lo stream CC) per consentire un'attenzione selettiva verso regioni anatomicamente rilevanti tra le viste.
   • Gli output sono fusi tramite somma elemento per elemento, seguita da Layer Normalization, DropPath (profondità stocastica) e una rete Feed-Forward (FFN) con connessioni residue.
6. Fusione Finale e Predizione del Rischio: Le caratteristiche raffinate di entrambe le viste vengono aggregate (pooling) e concatenate in una rappresentazione multi-vista fusa. Questa passa attraverso uno strato di probabilità cumulativa composto da strati completamente connessi per predire gli hazard in futuri step temporali (1–5 anni). Il modello è addestrato utilizzando una perdita di cross-entropy binaria dipendente dal tempo con masking per i pazienti censurati, impiegando un apprendimento congiunto multi-livello per catturare le dipendenze tra le viste.

Contributi Chiave

1. Architettura LMV-Net: Un nuovo framework che facilita l'integrazione multi-vista e multi-punto temporale tramite l'allineamento esplicito nello spazio delle caratteristiche e la fusione temporale cross-vista, rispecchiando da vicino il flusso di lavoro del radiologo.
2. Blocco di Attenzione a Doppio Stream: Un meccanismo che raffina le caratteristiche longitudinali di ciascuna vista utilizzando l'attenzione parallela self- e cross-attention, catturando efficacemente sia le dipendenze intra-vista che le informazioni complementari inter-vista.
3. Validazione Estensiva: Una robusta valutazione su due grandi dataset pubblici (EMBED e CSAW-CC), che dimostra miglioramenti costanti delle prestazioni rispetto ai metodi allo stato dell'arte.

Risultati
Il modello è stato valutato sui dataset EMBED e CSAW-CC, confrontando le prestazioni con i baseline allo stato dell'arte inclusi Mirai, VMRA-MaR, OA-BreaCR e ImgFeatAlign.

• Prestazioni Complessive: LMV-Net ha superato costantemente tutti i baseline in termini di C-index e AUC su orizzonti di rischio di 1–5 anni su entrambi i dataset. Su EMBED, il modello LMV-Net fine-tuned ha raggiunto un C-index dell'81,4% (1 anno) e dell'80,0% (5 anni), rappresentando un miglioramento statisticamente significativo ($p < 0,05$) di circa il 6,7% rispetto al miglior baseline. Su CSAW-CC, ha raggiunto un C-index del 74,4% (1 anno) e del 73,5% (5 anni), con un miglioramento del 1,7% rispetto al miglior baseline.
• Analisi dei Sottogruppi: Il modello ha dimostrato particolare robustezza in scenari impegnativi, ottenendo il C-index più elevato in quasi tutte le categorie di densità mammaria (bassa, media, alta) e tipi di cancro (invasivo vs altri). I miglioramenti sono stati più pronunciati nei gruppi a densità media e alta.
• Studi di Ablazione: La rimozione di componenti chiave (allineamento longitudinale, modellazione multi-vista, attenzione a doppio stream o fine-tuning dell'encoder) ha costantemente degradato le prestazioni, confermando la necessità di ogni elemento architettonico.
• Analisi dell'Attenzione: La visualizzazione delle mappe di attenzione ha rivelato che il blocco Dual Stream Attention concentra una densità di attenzione significativamente più alta (8–10×) sulle regioni tumorali rispetto al tessuto circostante, validando la sua capacità di focalizzarsi su aree clinicamente rilevanti.

Significatività e Rivendicazioni
L'articolo sostiene che LMV-Net colma una lacuna critica nella predizione del rischio di cancro al seno integrando con successo l'allineamento longitudinale esplicito con l'analisi multi-vista. Gli autori affermano che il loro approccio:

• Migliora la Stratificazione del Rischio: Sfruttando indizi spazio-temporali complementari, il modello fornisce valutazioni del rischio più affidabili, particolarmente per le donne con tessuto mammario denso dove la sensibilità tradizionale è ridotta.
• Imita il Flusso di Lavoro Clinico: L'allineamento esplicito e l'elaborazione a doppia vista riflettono il modo in cui i radiologi confrontano gli esami correnti e precedenti, portando a un'estrazione delle caratteristiche clinicamente più rilevante.
• Abilita lo Screening Personalizzato: La migliore accuratezza nell'identificare pazienti ad alto rischio supporta lo sviluppo di strategie di screening personalizzate e un'allocazione più efficiente delle risorse di screening.

Gli autori concludono che, sebbene i loro risultati dimostrino il valore della modellazione congiunta longitudinale multi-vista, il lavoro futuro dovrebbe esplorare l'incorporazione di molteplici esami precedenti per un contesto temporale più ricco e valutare metriche aggiuntive come la Precision-Recall AUC per affrontare lo sbilanciamento delle classi.