SY-CNN+: Synthetic-Data-Enhanced Hybrid Learning for Clinical Photograph-Based Eyelid Tumor Classification

Technische Samenvatting: SY-CNN+ voor de classificatie van ooglidtumoren

Probleemstelling
Het onderscheiden van maligne (kwaadaardige) en benigne (goedaardige) ooglidtumoren op basis van klinische foto's is een cruciale maar uitdagende taak binnen de oogheelkunde. Maligne laesies, zoals sebaçeuscarcinoom (SGC) en melanoom, kunnen benigne condities zoals chalazion of cysten nabootsen, wat leidt tot vertraagde diagnose, verhoogd risico op metastase en onnodige chirurgische interventies. Deze diagnostische moeilijkheid wordt verergerd in de eerstelijnszorg of omgevingen met beperkte middelen waar de ervaring van specialisten beperkt is. Bovendien wordt de ontwikkeling van robuuste AI-modellen voor deze taak gehinderd door het tekort aan hoogwaardige, diverse medische beelddatasets. Zeldzame tumoren zijn moeilijk te verzamelen, beeldcuratie is arbeidsintensief en beperkingen op het gebied van patiëntprivacy bemoeilijken het delen van gegevens. Traditionele technieken voor data-augmentatie (bijv. rotatie, cropping) falen vaak in het genereren van klinisch relevante pathologische variaties, zoals geulde randen of heterogene pigmentatie, die essentieel zijn voor het onderscheid van maligniteit.

Methodologie: SY-CNN+ Framework
De auteurs stellen SY-CNN+ (Synthetic-Data-Enhanced Convolutional Neural Network+) voor, een hybride leerkader dat is ontworpen om datatekort aan te pakken via synthetische augmentatie en een twee-fasen classificatiearchitectuur.

1. Databronnen en Partitionering:

   • De studie maakte gebruik van 3.041 klinische beelden van 881 patiënten van het Ningbo Eye Hospital.
     • De dataset werd gesplitst in een retrospectieve cohort (2.992 beelden van 863 patiënten) en een prospectieve testcohort (49 beelden van 18 patiënten).
   • De retrospectieve cohort werd verdeeld in training-, validatie- en test1-sets met behulp van een patiëntniveau-onafhankelijke split (ongeveer 8:1:1 ratio) om datalekken te voorkomen. Gestratificeerde allocatie zorgde voor consistente maligne-naar-benigne ratio's over de verschillende sets.

2. Synthetische Datageneratie:

   • Om de trainingsset te augmenteren, gebruikten de auteurs Generative Adversarial Networks (GANs) en Diffusiemodellen.
   • Synthetische beelden werden alleen gegenereerd vanuit de trainingsset met behulp van class-conditional training om de integriteit van de labels te bewaren. Er werden geen validatie- of testbeelden gebruikt voor de generatie.
   • De augmentatiestrategie werd gecontroleerd door een synthetische-naar-reële ratio ($n$), getest bij waarden van 0, 0.5, 1, 2, 3, 4 en 5.

3. Hybride Architectuur (CNN+):

   • Feature Extractie: Het framework maakt gebruik van CNN-backbones (ResNet18, ResNet50, VGG11, VGG16) om beeldkenmerken te extraheren. Inputbeelden werden geschaald naar 64x64x3.
   • Downstream Classificatie: In plaats van uitsluitend te vertrouwen op de uiteindelijke softmax-laag van de CNN, werden de geëxtraheerde featurevectoren gevoed aan afzonderlijke machine learning-classifiers: Naive Bayes (NB), Support Vector Machine (SVM), Random Forest (RF) en Extreme Gradient Boosting (XGBoost).
   • Selectieproces: De validatieset werd gebruikt om de optimale modelconfiguratie (backbone + classifier) en de optimale synthetische-naar-reële ratio ($n$) te bepalen.

4. Evaluatieprotocol:

   • Het geselecteerde model werd geëvalueerd op de retrospectieve test1-set en de prospectieve test2-cohort.
   • Prestaties werden gemeten aan de hand van accuratesse, F1-score, verwarringsmatrices, ROC-curves en de Matthews Correlation Coefficient (MCC).
   • Er werd een exploratieve vergelijking uitgevoerd met twee vrijwillige clinici (één senior, één junior) op de test1-set.

Belangrijkste Resultaten

• Optimale Configuratie: Het best presterende model was de GAN-gebaseerde augmentatie gecombineerd met ResNet50 feature extractie en XGBoost classificatie, met een synthetische-naar-reële ratio van $n=4$.
• Prestatie-indicatoren:
  • Retrospectieve Test1: Behaalde een accuratesse van 92,0% (95% BI: 88,5–95,5%) en een F1-score van 87,2%.
  • Prospectieve Test2: Dezelfde configuratie behaalde een accuratesse van 89,8% en een F1-score van 82,8%.
• Vergelijking met Diffusiemodellen: Hoewel de door diffusie gegenereerde beelden lagere Fréchet Inception Distance (FID) scores vertoonden (wat wijst op een hogere visuele getrouwheid), leverde GAN-gebaseerde augmentatie superieure downstream classificatieprestaties op. Dit suggereert dat beeldkwaliteitsmetingen alleen niet volledig voorspellend zijn voor de bruikbaarheid bij specifieke diagnostische taken.
• Vergelijking met Clinici: In de beeld-alleen vergelijking presteerde het GAN-ResNet50+XGBoost ($n=4$) model beter dan zowel de senior als de junior clinicus in termen van per-beeld accuratesse en F1-score.
• Geobserveerde Beperkingen: Ondanks de hoge accuratesse vertoonde het model een fout-negatief percentage van 18,0% voor maligne tumoren op de retrospectieve testset, wat het risico op gemiste diagnoses benadrukt.

Belangrijkste Bijdragen

1. Hybride Leerstategie: Demonstreert de effectiviteit van het combineren van CNN-feature extractie met klassieke machine learning-classifiers (specifiek XGBoost) in een setting met beperkte data voor medische beeldvorming.
2. Evaluatie van Synthetische Data: Levert empirisch bewijs dat synthetische data-augmentatie de classificatieprestaties bij de diagnose van ooglidtumoren kan verbeteren, terwijl het benadrukt dat de keuze van het generatieve model (GAN versus Diffusie) en de augmentatieratio ($n$) afgestemd moet worden op de downstream taakprestaties in plaats van enkel op beeldkwaliteitsmetingen.
3. Prospectieve Validatie: Bevat een prospectieve testcohort, wat een striktere evaluatie biedt dan puur retrospectieve studies.

Betekenis en Claims
De auteurs beweren dat SY-CNN+ een levensvatbare aanpak biedt voor de classificatie van ooglidtumoren in omgevingen met een tekort aan data. De studie ondersteunt het gebruik van synthetische augmentatie en hybride CNN-gebaseerd leren om de diagnostische nauwkeurigheid te verbeteren waar specialistische middelen beperkt zijn.

Echter, het artikel hanteert een bescheiden toon met betrekking tot klinische implementatie. De auteurs stellen expliciet dat het model niet als zelfstandig diagnostisch instrument gebruikt mag worden vanwege het geobserveerde fout-negatief percentage voor maligne tumoren. In plaats daarvan stellen zij een nabije rol voor als een klinisch beslissingsondersteunend systeem om verdachte laesies te identificeren voor verdere beoordeling door een specialist. De auteurs erkennen dat grotere, multicenter cohorten, modellen met een hogere resolutie en bredere klinische vergelijkingen noodzakelijk zijn voordat het systeem als routineus klinisch gebruik kan worden beschouwd.