A Cognitive Explainer for Fetal ultrasound images classifier Based on Medical Concepts

Este artigo propõe um framework interpretável baseado em conceitos médicos-chave e redes neurais de convolução gráfica (GCN) para classificar imagens de ultrassom fetal, oferecendo explicações alinhadas à cognição clínica que superam as limitações de transparência dos modelos de deep learning tradicionais.

O essencial

Imagine que você está tentando ensinar um computador a ser um médico ultrassonografista (aquele que faz os exames de ultrassom na barriga da gestante). O objetivo é fazer a máquina identificar automaticamente se a imagem que ela está vendo é a "foto perfeita" do estômago do bebê, da perna ou do cérebro.

O problema é que as máquinas inteligentes de hoje (chamadas de Redes Neurais) são como caixas-pretas. Elas acertam a resposta, mas não explicam por que acertaram. Se uma máquina diz "é a imagem do estômago", o médico humano fica na dúvida: "Ela viu o estômago mesmo? Ou ela só viu uma mancha escura e chutou?". Em medicina, saber o "porquê" é tão importante quanto a resposta, pois vidas estão em jogo.

Este artigo apresenta uma solução criativa: um "Explicador Cognitivo". Em vez de apenas olhar para pixels (pontos de cor na imagem), a máquina aprende a pensar como um médico, identificando conceitos médicos e como eles se relacionam.

Aqui está a explicação passo a passo, usando analogias do dia a dia:

1. O Problema: O "Chute" da Máquina

Antes, as máquinas olhavam para a imagem inteira e tentavam adivinhar. Era como tentar adivinhar o sabor de um bolo apenas olhando para a cor da farinha, sem saber se tem ovos, açúcar ou fermento.

• O desafio: Para um ultrassom ficar perfeito, o médico precisa encontrar estruturas específicas. Por exemplo, para ver o estômago do bebê, ele precisa ver três coisas juntas: a bexiga urinária (que parece uma bolinha), o cordão umbilical e a coluna vertebral. Se a máquina não entender que essas três coisas precisam estar juntas, ela pode errar.

2. A Solução: O "Detetive de Conceitos"

Os autores criaram um sistema que funciona como um detetive que não olha apenas para a cena, mas para as pistas (os conceitos médicos).

• Passo 1: Encontrar as Pistas (Conceitos Médicos)
  Em vez de analisar a imagem inteira de uma vez, o sistema primeiro procura por "pedaços" importantes, como se estivesse procurando peças de um quebra-cabeça. Ele usa um conhecimento prévio (o que os médicos já sabem) para achar: "Onde está a coluna? Onde está o estômago?".

  • Analogia: É como se você estivesse procurando um amigo numa festa. Você não olha para todas as pessoas aleatoriamente; você procura primeiro por quem usa o chapéu vermelho (uma característica específica) e depois verifica se é ele mesmo.

• Passo 2: O Mapa das Relações (O Gráfico)
  Depois de achar as pistas, o sistema cria um mapa de conexões. Ele pergunta: "A coluna está perto do estômago? O cordão está na posição certa?".

  • Analogia: Imagine que você está organizando uma festa. Não basta ter os convidados (as pistas); você precisa saber quem está sentado ao lado de quem. Se o "Estômago" está sentado longe do "Cordão", a festa (o exame) não está correta. O sistema usa uma rede inteligente (chamada GCN) para entender essa "conversa" entre as partes do corpo.

3. A Grande Vantagem: A Explicação Humana

A parte mais genial é como o sistema explica sua decisão.

• Método Antigo (Caixa-Preta): A máquina diz: "É o estômago" e mostra um mapa de cores quentes e frias na imagem, mas o médico não entende o que aquelas cores significam. É como se a máquina dissesse: "Acredite em mim, a matemática diz que sim".
• Método Novo (Cognitivo): A máquina diz: "É o estômago porque eu encontrei a coluna aqui, a bexiga ali e elas estão na posição correta uma em relação à outra".
  • Analogia: É a diferença entre um aluno que chuta a resposta de uma prova de matemática e um aluno que mostra o passo a passo do cálculo. O professor (médico) confia muito mais no segundo.

4. O Resultado: Confiança Médica

Os pesquisadores testaram isso com imagens reais de dois hospitais.

• O sistema funcionou muito bem, acertando a classificação das imagens.
• Mas o melhor foi a confiança. Quando mostraram as explicações para médicos reais, eles disseram: "Finalmente! A máquina está pensando como nós. Ela identificou as estruturas certas e a relação entre elas".

Resumo em uma frase

Este trabalho ensinou a inteligência artificial a não apenas "ver" a imagem do ultrassom, mas a entender a anatomia e a explicar seu raciocínio usando a mesma lógica que um médico usa, transformando uma "caixa-preta" misteriosa em um assistente transparente e confiável.

Isso é crucial porque, na medicina, não basta a máquina ser inteligente; ela precisa ser explicável para que os humanos possam confiar nela e salvar vidas.

Resumo técnico

1. Problema

A detecção de planos de varredura padrão (standard scan planes) em ultrassonografia fetal de 2D durante o segundo trimestre é uma tarefa complexa que exige conhecimento médico extenso e anos de treinamento. Embora as Redes Neurais Profundas (DNNs) possam auxiliar operadores inexperientes, a sua aplicação clínica é limitada pela falta de transparência e interpretabilidade (modelos "caixa-preta").

As abordagens existentes de explicabilidade (XAI) focam principalmente em características ao nível de pixels (mapas de saliência), o que apresenta três problemas principais:

1. Ignoram o conhecimento prévio médico e as relações entre estruturas anatômicas.
2. As explicações ao nível de pixels tendem a ser difusas e difíceis de identificar para radiologistas.
3. Falta uma avaliação sistemática que se alinhe com o raciocínio cognitivo do sonógrafo.

2. Metodologia

Os autores propõem um framework explicativo cognitivo baseado em conceitos médicos, que simula o processo de tomada de decisão de um sonógrafo. A pipeline do método consiste nas seguintes etapas:

• Identificação de Conceitos Médicos:

  • O sistema foca em três planos padrão críticos: Plano Abdominal Fetal (FASP), Plano Talamo Fetal (FTSP) e Plano de Fêmur Fetal (FFSP).
  • Utiliza-se o algoritmo SLIC (Simple Linear Iterative Clustering) para segmentação em superpixels.
  • Aplica-se conhecimento prévio médico (anatomia, posição, forma, textura, brilho) para filtrar e localizar conceitos-chave. Por exemplo, no FASP, o sistema busca a vesícula biliar (SB), veia umbilical (UV) e coluna (SP) baseando-se na sua relação com o eixo maior/menor do contorno abdominal.
  • Para refinar a extração, utiliza-se Grad-CAM para gerar mapas de calor de atenção e restringir a busca às áreas de interesse (foreground), evitando tecidos irrelevantes.

• Construção do Grafo de Conceitos:

  • As imagens são transformadas em dados estruturados em grafos $G = (V, E)$.
  • Nós ($V$): Representam os conceitos médicos extraídos. Os atributos dos nós são características de alta ordem extraídas por um classificador CNN pré-treinado.
  • Arestas ($E$): Representam as relações entre os conceitos. As arestas codificam:
    1. Relações espaciais relativas (posicionamento na imagem).
    2. Correlações baseadas em conhecimento médico prévio (ex: a veia umbilical deve estar próxima da coluna).

• Aprendizado com GCN (Graph Convolutional Network):

  • Um GCN é utilizado como backbone para modelar as interações de alta ordem entre os conceitos médicos.
  • O modelo utiliza um mecanismo de agregação de mensagens e atualização para aprender como a combinação e a disposição espacial desses conceitos contribuem para a classificação do plano.

• Explicação Post-hoc:

  • Para interpretar a decisão do GCN, são aplicadas três técnicas de explicação de grafos:
    1. Análise de Sensibilidade (SA): Baseada em gradientes.
    2. Gradientes Integrados (IG): Avalia a importância das características através de contrafactuais.
    3. Grad-CAM para Grafos: Visualiza a saliência em camadas intermediárias combinando ativações e gradientes.

3. Contribuições Principais

1. Framework Interpretável Baseado em Conceitos: Propõe um modelo que não apenas classifica, mas explica o resultado através de conceitos médicos validados por especialistas, alinhando-se à cognição humana.
2. Integração de Conhecimento Médico e GCN: Utiliza conhecimento prévio (posição, textura, brilho) para construir grafos que codificam relações espaciais e semânticas entre estruturas anatômicas, simulando o raciocínio do médico.
3. Validação Clínica e Quantitativa: Realiza uma avaliação extensa (qualitativa e quantitativa) de técnicas de explicabilidade em imagens de ultrassom, validando os resultados com sonógrafos especialistas, demonstrando que a abordagem baseada em grafos é mais útil clinicamente do que métodos baseados apenas em pixels.

4. Resultados

• Dados: O estudo utilizou um conjunto de dados privado de dois hospitais (Hospital A e Hospital B), contendo imagens de planos FASP, FTSP, FFSP e outras vistas.
• Desempenho de Classificação:
  • Os modelos CNN (como ResNet50, DenseNet121, MobileNetV2) alcançaram alta precisão na detecção dos planos.
  • O modelo GCN demonstrou desempenho robusto, com o DenseNet121 e MobileNetV2 obtendo as melhores métricas (Acurácia, Precisão, Recall, F1 e AUC) nos testes.
  • O modelo mostrou boa capacidade de generalização no Hospital B (dados não vistos durante o treinamento).
• Avaliação Qualitativa (Explicabilidade):
  • Comparado a métodos tradicionais (Grad-CAM, CAMERAS), a abordagem proposta gerou mapas de importância de conceitos que coincidiam com o raciocínio clínico (ex: foco na vesícula biliar e coluna para o plano abdominal).
  • Em um estudo com 5 médicos, todos concordaram que o método proposto era mais clinicamente útil e aumentava a confiança no modelo, pois conseguia identificar erros e explicar falhas através de relações semânticas de alta ordem, ao invés de apenas destacar regiões de pixels.

5. Significado e Implicações

Este trabalho representa um avanço significativo na Inteligência Artificial para Diagnóstico Assistido por Computador (CAD) em medicina.

• Confiança Clínica: Ao traduzir a decisão da rede neural para a linguagem e lógica dos conceitos anatômicos que os médicos utilizam, o sistema supera a barreira da "caixa-preta", facilitando a adoção clínica.
• Raciocínio Simulado: A abordagem demonstra que é possível incorporar conhecimento prévio médico diretamente na arquitetura de aprendizado de máquina (via grafos), resultando em sistemas que não apenas "adivinham" a classe, mas "raciocinam" sobre a anatomia.
• Futuro: O método tem potencial para ser aplicado em outras tarefas de diagnóstico por imagem onde a relação espacial entre estruturas é crítica, promovendo a aceitação e a segurança da IA na medicina.

Limitações mencionadas: O estudo foi realizado em dois centros (com um deles tendo um conjunto de dados menor) e focou apenas em imagens estáticas, não em vídeos de ultrassom em tempo real. Além disso, a etapa de localização de estruturas baseada em conhecimento prévio é computacionalmente custosa.