When Measurement Conventions Masquerade as Calibration Gains in Cardiac Digital Twins

Sintesi Tecnica: Quando le Convenzioni di Misurazione si Mascherano da Guadagni di Calibrazione nei Digital Twin Cardiaci

Problema
I digital twin cardiaci si affidano a un "operatore di osservazione" ($H_{op}$) per mappare le immagini cliniche (specificamente gli ecocardiogrammi) in misurazioni fisiologiche come la Frazione di Eiezione (EF) del ventricolo sinistro. Sebbene le recenti pipeline di deep learning abbiano fatto avanzare la precisione della segmentazione (spesso misurata tramite i punteggi Dice), errori sistematici in $H_{op}$ possono influenzare negativamente gli aggiornamenti dello stato a valle, indipendentemente dalla qualità del modello sottostante.

Il problema centrale identificato è che gli studi di calibrazione spesso assumono una convenzione di riferimento fissa, portando a guadagni "fantasma". Nello specifico, i modelli valutati rispetto a etichette cliniche di EF possono apparire migliorati nella calibrazione semplicemente perché si allineano involontariamente a un disallineamento della convenzione di misurazione (ad esempio, piano singolo rispetto a biplano) piuttosto che perché riducono realmente l'errore di segmentazione. Gli autori sostengono che, senza separare le convenzioni di misurazione dalle prestazioni del modello, le pipeline dei digital twin rischiano di incorporare bias strutturati che distorcono la stima dello stato fisiologico.

Metodologia
Gli autori hanno condotto un audit degli operatori di osservazione dell'EF utilizzando quattro architetture front-end che condividono un backbone U-Net, applicate a due dataset principali: CAMUS ed EchoNet-Dynamic.

1. Modelli Valutati:
   • B1: Segmentazione frame-wise (per singolo fotogramma).
   • B2: Segmentazione con smoothing tra fotogrammi adiacenti.
   • P1: Combina FiLM (Feature-wise Linear Modulation) con una testa di fase (phase head).
   • P2: Aggiunge coerenza ciclica tra pazienti e media EMA in stile Mean-Teacher.
2. Operatore di Osservazione: È stato utilizzato un metodo di approssimazione "method-of-disks" a piano singolo per estrarre volumi ed EF da clip apicali a quattro camere per tutti i modelli.
3. Metriche di Valutazione:
   • $EF_{MAE_{gt}}$: Errore rispetto alle maschere ground-truth processate dallo stesso estrattore (isola l'errore di segmentazione).
   • $EF_{MAE_{clin}}$: Errore rispetto alle etichette cliniche di EF (include il disallineamento della convenzione).
   • Analisi del Bias: Quantificazione del divario tra gli output dell'estrattore a piano singolo e i riferimenti clinici biplani.
4. Dataset:
   • CAMUS: Valutato su un sottoinsieme non utilizzato per il training ($n=50$). L'EF clinico è biplano (viste a 2 e 4 camere), mentre l'estrattore utilizza solo la vista a 4 camere, creando un noto disallineamento di piano.
   • EchoNet-Dynamic: Valutato sulla divisione ufficiale di test ($n=1.287$). Etichette ed estrattore sono entrambi a piano singolo (4 camere), fungendo da replica allineata al piano per testare se i "guadagni" persistano quando il disallineamento dominante viene rimosso.

Contributi Chiave

1. Audit dell'Operatore di Osservazione dell'EF: Un framework per distinguere tra i reali miglioramenti del modello e gli artefatti causati dai disallineamenti tra la convenzione di misurazione e il riferimento.
2. Evidenza del Confounding della Convenzione: Dimostrazione che i apparenti guadagni di calibrazione dei modelli condizionati dalla fase (P1/P2) su CAMUS sono in gran parte spiegati dal divario tra le misurazioni di EF a piano singolo e biplano, non da un miglioramento della segmentazione.
3. Replica Negativa: Una replica allineata al piano su EchoNet-Dynamic mostra che il "vantaggio del condizionamento di fase" scompare quando il disallineamento del piano viene rimosso, e in alcuni casi, si inverte.
4. Protocollo CAEA (Convention-Aware EF Audit): Un protocollo in cinque fasi per evitare che i modelli ricevano credito per i guadagni di calibrazione causati dalla coppia misurazione-riferimento.

Risultati

• Risultati CAMUS: I modelli condizionati dalla fase (P1/P2) sembravano ridurre il bias verso lo zero rispetto all'EF clinico biplano, suggerendo un guadagno di calibrazione. Tuttavia, valutati contro le maschere ground-truth processate dallo stesso estrattore a piano singolo ($MAE_{gt}$), l'errore era statisticamente indistinguibile tra tutti i modelli. In effetti, P1 mostrava il $MAE_{gt}$ più elevato e il bias più negativo.
• Il Gap di Convenzione: Lo studio ha quantificato il divario "piano singolo–biplano". L'EF ground-truth a piano singolo superava l'EF clinico biplano di +6,30 punti. Questo offset spiegava quasi tutto il bias basale osservato nel modello B1. Una volta sottratto questo componente di convenzione, il bias residuo della segmentazione era statisticamente indistinguibile da zero.
• Risultati EchoNet-Dynamic: Nell'impostazione allineata al piano, i risultati di CAMUS non si sono replicati. I modelli basali (B1/B2) mostravano un bias negativo, e i modelli condizionati dalla fase (P1/P2) non hanno migliorato il bias rispetto ai basali. Inoltre, P1 e P2 hanno prodotto stime di EF non valide (dove $\hat{ESV} \ge \hat{EDV}$) in 10–20 casi, un rischio di deployment non presente in B2.
• Implicazioni a Valle:
  • Emodinamica: Sotto le condizioni di CAMUS, il bias dell'EF si è propagato in errori significativi nella Gittata Sistolica (SV) e nella Gittata Cardiaca (CO) (fino a circa il 16-18% di errore). Sotto le condizioni allineate di EchoNet, questi errori sono scesi al ~3–4%.
  • Assegnazione dello Strato: Il disallineamento della convenzione ha causato frequenti disaccordi nell'assegnazione dello strato di EF (ad esempio, classificare un paziente come HFrEF vs HFpEF), con tassi intorno al 44–54% per i modelli testati.
  • Predizione Conforme: Le ampiezze residue erano significativamente più grandi sotto la valutazione confusa dalla convenzione (CAMUS) rispetto alla valutazione allineata al piano (EchoNet), indicando che i residui di calibrazione contengono un disallineamento strutturato del riferimento, non solo rumore di segmentazione.

Significatività e Rivendicazioni
L'articolo sostiene che l'apparente superiorità dei modelli condizionati dalla fase nella letteratura precedente potrebbe essere un artefatto delle convenzioni di misurazione piuttosto che un reale progresso algoritmico. Gli autori affermano che:

• I guadagni reali devono sopravvivere all'allineamento del piano: Un modello deve ricevere credito per i miglioramenti della calibrazione solo se il guadagno persiste dopo l'allineamento del piano di misurazione e l'audit delle differenze residue nella selezione dei frame, nei contorni e nel pre-processing.
• Il Dice è insufficiente: Un alto overlap geometrico (Dice) non garantisce misurazioni fisiologiche calibrate; piccoli spostamenti del contorno in Diastole Finale (ED) e Sistole Finale (ES) possono essere amplificati dal rapporto EF.
• Necessità del Protocollo: Il protocollo CAEA (Convention-Aware EF Audit) è essenziale per separare la calibrazione genuina dell'operatore di osservazione dai prodotti della convenzione. Esso impone la verifica della consistenza del seed, la caratterizzazione degli offset di convenzione e la replica sotto riferimenti allineati prima di rivendicare miglioramenti della calibrazione.

Gli autori concludono che tra i front-end valutati, B2 (con smoothing tra fotogrammi adiacenti) è l'opzione più deployabile, poiché supporta l'inferenza in streaming, non produce stime di EF non valide e ottiene le migliori prestazioni nelle impostazioni allineate al piano. Lo studio sottolinea che la calibrazione deve essere valutata per l'intera coppia "modello–estrattore–riferimento", non solo per l'architettura del modello.