Bias-Aware Conformal Prediction for Metric-Based Imaging Pipelines

Resumo Técnico: Predição Conforme Sensível ao Viés para Pipelines de Imagem Baseados em Métricas

Definição do Problema
Em pipelines de imagem médica, decisões clínicas de alto risco frequentemente dependem de métricas quantitativas a jusante (ex: volume tumoral, dose de órgãos) derivadas de imagens reconstruídas. Embora a Predição Conforme (CP - Conformal Prediction) ofereça um arcabouço robusto e livre de distribuição para gerar intervalos de predição calibrados, as formulações padrão de CP enfrentam um desafio crítico neste domínio: o viés sistemático.

Algoritmos de reconstrução de imagem são tipicamente otimizados para perdas pixel a pixel, o que frequentemente gera um descompasso com os objetivos das métricas a jusante. Esse descompasso introduz desvios sistemáticos entre as métricas preditas e os valores de referência (ground truth), caracterizando o viés. O artigo argumenta que, embora o impacto do viés seja bem estudado na estatística clássica, ele permanece subexplorado na literatura de CP. Especificamente, as formulações existentes podem produzir intervalos de predição ineficientes (excessivamente largos) quando o viés está presente, comprometendo a utilidade das medidas de confiança sem necessariamente invalidar as garantias de cobertura.

Metodologia e Análise Teórica
Os autores formalizam o comportamento das formulações de CP simétricas e assimétricas na presença de um viés aditivo ($b$). Eles analisam dois tipos comuns de escores de não conformidade:

1. Resíduos Absolutos ($L_1$): Onde o escore é a diferença absoluta entre a predição e o valor de referência.
2. Baseado em Quantis (CQR): Onde os escores são derivados de quantis empíricos da distribuição de predição.

O estudo assume predições enviesadas da forma $\hat{Y}^b_i = \hat{Y}^0_i + b$, onde $b$ é um escalar de viés aditivo. Aproveitando a equivariância por translação dos operadores de quantis empíricos, os autores derivam as seguintes propriedades teóricas:

• Intervalos Simétricos: Para formulações simétricas, os limites do intervalo expandem-se igualmente em ambas as direções. Os autores provam que o limite superior no comprimento do intervalo aumenta linearmente com a magnitude do viés. Especificamente, $L_{sym}(\hat{Y}^b_{n+1}) \leq L_{sym}(\hat{Y}^0_{n+1}) + 2|b|$. Isso indica que os intervalos simétricos são inflados por um fator de duas vezes a magnitude do viés.
• Intervalos Assimétricos: Para formulações assimétricas, onde os limites inferior e superior são ajustados de forma desigual, os autores demonstram que o comprimento do intervalo é invariante a um viés aditivo constante. Devido à equivariância por translação das funções de ajuste e dos operadores de quantis, o viés desloca ambos os ajustes de forma idêntica, cancelando-se no cálculo do intervalo. Assim, $L_{asym}(\hat{Y}^b_{n+1}) = L_{asym}(\hat{Y}^0_{n+1})$.
• Condição de Eficiência: O artigo deriva uma condição (Corolário 1) sob a qual os intervalos assimétricos tornam-se mais eficientes (mais curtos) do que os intervalos simétricos na presença de viés. Se o comprimento assimétrico enviesado for menor que o comprimento simétrico enviesado, isso implica que $2|b| \geq L^0_{asym} - L^0_{sym}$. Isso sugere que, quando o viés é significativo, ele pode superar a tendência inerente dos intervalos assimétricos de serem mais largos do que os simétricos em cenários sem viés.

Validação Experimental
As descobertas teóricas foram validadas empiricamente usando um pipeline de reconstrução de CT de visão esparsa para planejamento de radioterapia (RT).

• Configuração: Os autores simularam um pipeline utilizando Campos de Atenuação Neural (NAF) para reconstrução a partir de projeções de cone-beam CT esparsas. Eles geraram 10 reconstruções probabilísticas por paciente para 40 pacientes, criando um conjunto de dados com vieses sistemáticos (ex: superestimação consistente de volumes de órgãos).
• Métricas: O estudo avaliou várias métricas de planejamento de RT, incluindo volume do coração, volumes pulmonares e métricas de dose (ex: Coração D35, Pulmão Direito V20).
• Resultados:
  • Os experimentos confirmaram que o viés induzido pelo pipeline é mensurável e varia significativamente entre diferentes métricas.
  • Proposição 1 & 2: Os limites teóricos relativos à inflação de intervalos simétricos e à invariância de intervalos assimétricos foram comprovados 100% das vezes em 100 divisões aleatórias de calibração-teste.
  • Corolário 1: A condição heurística para a escolha de formulações assimétricas baseada na magnitude do viés foi verdadeira em 98,6% das vezes.
  • Eficiência: Em cenários com viés significativo, as formulações assimétricas produziram intervalos mais estreitos do que as simétricas, mantendo a taxa de cobertura alvo ($\alpha=0,1$).

Contribuições Principais e Significância
O artigo apresenta três contribuições principais:

1. Formalização dos Efeitos do Viés: Fornece um arcabouço teórico demonstrando que os intervalos de CP simétricos são inflados por $2|b|$ na presença de viés, enquanto os intervalos assimétricos permanecem inalterados.
2. Heurística de Seleção: Estabelece uma condição formal (Corolário 1) que permite aos profissionais determinarem quando as formulações assimétricas produzirão intervalos mais eficientes do que as simétricas, baseando-se na magnitude do viés em relação à assimetria inerente da distribuição de erro.
3. Validação Empírica em Contexto Clínico: Valida essas teorias em uma tarefa de reconstrução de CT de visão esparsa, um cenário crítico em ambientes clínicos de baixo recurso, onde artefatos de reconstrução e vieses são prevalentes.

Significância
Os autores concluem que seu trabalho permite que usuários de pipelines de imagem médica selecionem proativamente as formulações de CP ideais. Ao considerar o viés, os profissionais podem melhorar a eficiência (estreitamento) dos intervalos de predição para métricas críticas a jusante sem sacrificar a validade da cobertura. Isso aborda uma lacuna na literatura de CP onde a interação entre o viés de reconstrução e a eficiência do intervalo era anteriormente inexplorada, pavimentando o caminho para uma quantificação de incerteza "sensível ao viés" na imagem médica.