A ResNet-50 Classifier with Grad-CAM and SHAP for Explainable Breast Cancer Detection in Dense Mammography: Comparison with Human Radiologist Performance

Sintesi Tecnica: Un classificatore ResNet-50 con Grad-CAM e SHAP per la rilevazione spiegabile del tumore al seno in mammografia densa

Definizione del Problema
Il tumore al seno rimane la neoplasia più frequentemente diagnosticata tra le donne a livello globale. Sebbene lo screening mammografico riduca la mortalità, la sua efficacia è significativamente compromessa nelle donne con tessuto mammario denso, dove le strutture fibroglandolari sovrapposte oscurano le lesioni. I radiologi che leggono mammografie dense raggiungono una sensibilità di solo il 60–70%, portando a diagnosi mancate e ritardate. Sebbene i modelli di deep learning abbiano dimostrato un'elevata accuratezza in studi retrospettivi, essi funzionano tipicamente come "black box", privi della trasparenza necessaria per l'adozione clinica. I medici non possono verificare il ragionamento del modello né identificare potenziali bias, limitando la fiducia e l'integrazione nei flussi di lavoro. Esiste un urgente bisogno di sistemi diagnostici che non solo raggiungano un'elevata accuratezza sulle mammografie dense, ma forniscano anche spiegazioni interpretabili e clinicamente azionabili.

Metodologia
Lo studio ha impiegato un approccio di deep learning supervisionato utilizzando un'architettura ResNet-50 addestrata su un dataset bilanciato derivato dalla collezione MammoBench v2. Questo dataset aggrega sei fonti di mammografia (INbreast, CMMD, DDSM, DMID, KAU-BCMD e CDD-CESM), per un totale di 19.731 immagini. Per affrontare lo sbilanciamento delle classi, gli autori hanno costruito un dataset bilanciato di 16.368 immagini (8.184 maligne e 8.184 non cancerose), suddiviso in set di addestramento (60%), validazione (20%) e test (20%).

L'architettura del modello ha utilizzato un backbone ResNet-50 pre-addestrato su ImageNet, con lo strato di classificazione superiore rimosso e sostituito da uno strato di global average pooling, strati di dropout e strati densi per la classificazione binaria. Il modello è stato addestrato utilizzando la perdita di cross-entropia binaria con l'ottimizzatore Adam, impiegando l'early stopping e la riduzione del tasso di apprendimento per prevenire l'overfitting.

Per affrontare il divario di interpretabilità, lo studio ha integrato due tecniche di Intelligenza Artificiale Spiegabile (XAI):

1. Grad-CAM (Gradient-weighted Class Activation Mapping): Applicata allo strato conv5_block3_conv per generare mappe di calore spaziali. Questo visualizza le regioni specifiche della mammografia che hanno maggiormente influenzato la previsione del modello, rispondendo alla domanda "dove".
2. SHAP (SHapley Additive exPlanations): Applicata a un campione stratificato di 300 immagini di test tramite KernelSHAP. Questo metodo quantifica il contributo dei singoli attributi all'output del modello, fornendo interpretabilità globale e valutando la confidenza della previsione.

Contributi Chiave
Il documento apporta quattro contributi primari:

1. Benchmarking delle Prestazioni: Dimostra che un classificatore Resente-50 standard può raggiungere una sensibilità superiore (72,2%) rispetto all'intervallo umano riportato (60–70%) per la mammografia di seno denso, mantenendo al contempo una specificità competitiva.
2. Framework XAI Completo: Combina spiegazioni spaziali (Grad-CAM) con l'importanza quantitativa delle caratteristiche (SHAP) per generare soglie di confidenza clinicamente azionabili.
3. Caratterizzazione dell'Errore: Utilizza le visualizzazioni Grad-CAM per distinguere tra tipi di errore. I falsi negativi sono caratterizzati da un'attivazione debole e diffusa che non riesce a localizzare la lesione, mentre i falsi positivi presentano un'attivazione focale forte su masse benigne (misinterpretazione) o un'attivazione diffusa sul parenchima denso (sovra-interpretazione).
4. Linee Guida per la Distribuzione Clinica: Deriva linee guida specifiche per la fiducia basate sull'analisi SHAP, raccomandando l'uso del modello come secondo lettore di supporto piuttosto che come strumento di screening autonomo.

Risultati
Su un set di test di 3.274 immagini bilanciate, il modello ha ottenuto:

• Accuratezza: 76,45%
• Sensibilità (Recall): 72,2% (rilevando 1.182 di 1.637 casi maligni)
• Specificità: 80,7% (identificando correttamente 1.321 di 1.637 casi non cancerosi)
• AUC-ROC: 0,846
• Precisione Media: 0,835

La sensibilità del 72,2% supera l'intervallo tipico delle prestazioni umane per i seni densi, sebbene la specificità sia modestamente inferiore alla norma del radiologo dell'85–90%. Gli autori osservano che questo compromesso è clinicamente accettabile per uno strumento di secondo lettore, dove mancare un cancro è il rischio primario.

L'analisi SHAP su 300 immagini di test campionate casualmente ha rivelato che tutte le previsioni rientravano in un intervallo di probabilità "incerto" (0,3–0,7), con una probabilità media di 0,351 e un'entropia media di 0,64. Ciò indica che il modello esprime la giusta cautela sulle mammografie non selezionate e ritorna alla prevalenza di base in assenza di prove forti.

Significatività e Rivendicazioni
Il documento afferma che un classificatore di deep learning standard, se accoppiato con robusti metodi di spiegabilità, può superare la sensibilità umana nel dominio impegnativo del tessuto mammario denso fornendo al contempo un ragionamento trasparente. Lo studio sottolinea che il modello è meglio distribuito come secondo lettore, non come strumento diagnostico autonomo.

In base ai risultati SHAP, gli autori propongono tre raccomandazioni cliniche specifiche:

1. Fidarsi del modello quando le probabilità di output sono inferiori a 0,3 o superiori a 0,7, poiché queste rappresentano previsioni ad alta confidenza.
2. Richiedere la revisione obbligatoria del radiologo per le previsioni tra 0,4 e 0,6, dove l'incertezza del modello è massima.
3. Distribuire il modello per segnalare i casi ad alta confidenza e deferire quelli ambigui agli esperti umani, migliorando così anziché sostituire il giudizio clinico.

Gli autori concludono che questo framework offre una via pratica per integrare l'IA spiegabile nello screening del tumore al seno, migliorando potenzialmente i tassi di rilevazione precoce e riducendo i casi mancati nelle popolazioni con seno denso. Lo studio riconosce i limiti, tra cui la mancanza di uno studio con lettore appaiato, l'uso di un dataset bilanciato che sovrarappresenta la prevalenza del cancro e l'assenza di annotazioni demografiche per l'analisi del bias dei sottogruppi.