🤖 machine learning

MambaX-Net: Dual-Input Mamba-Enhanced Cross-Attention Network for Longitudinal Prostate MRI Segmentation

O MambaX-Net é uma nova arquitetura de segmentação 3D de entrada dupla e semissupervisionada que utiliza um módulo de Atenção Cruzada aprimorado por Mamba e um Extrator de Forma para segmentar eficazmente zonas da próstata em RM de Vigilância Ativa longitudinal, utilizando dados de pontos temporais anteriores e pseudo-rótulos, superando assim os modelos existentes em cenários com anotações de especialistas limitadas.

Autores originais: Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

Publicado 2026-08-21

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

O câncer de próstata é uma doença comum entre os homens e, para muitos casos que não são imediatamente fatais, os médicos escolhem uma estratégia chamada vigilância ativa. Em vez de recorrer rapidamente à cirurgia ou à radioterapia, que podem causar efeitos colaterais significativos, os pacientes são monitorados de perto ao longo do tempo. Isso envolve exames de sangue regulares e repetidas imagens de ressonância magnética, ou RM, para observar quaisquer sinais de que o câncer está crescendo ou mudando. O objetivo é detectar a progressão precocemente, evitando tratamentos desnecessários para aqueles que não precisam deles. No entanto, ler essas imagens é uma tarefa exigente para os radiologistas. Eles devem delinear cuidadosamente toda a glândula prostática e suas seções internas para medir o volume e detectar mudanças sutis. Fazer isso manualmente para cada exame em um programa de monitoramento de longo prazo é lento e propenso ao erro humano, criando uma necessidade de inteligência artificial para ajudar a automatizar o processo.

O desafio para os computadores é que a anatomia da próstata não é estática. Ao longo de meses ou anos, a glândula pode mudar de forma, encolher ou deslocar-se ligeiramente, e a qualidade das imagens de RM pode variar. A maioria dos modelos de inteligência artificial existentes é treinada para observar um único exame de forma isolada, como um instantâneo. Eles não compreendem a história do paciente. Se um computador vê um novo exame sem saber como a próstata era um ano atrás, ele pode ter dificuldade em distinguir entre uma mudança normal e um sinal de doença. Além disso, o treinamento desses sistemas geralmente requer milhares de imagens que foram meticulosamente desenhadas por médicos especialistas, um recurso que é escasso e caro de produzir.

Uma equipe de pesquisadores do King's College London desenvolveu uma nova abordagem para resolver esses problemas, descrita em um estudo recente. Eles criaram um sistema chamado MambaX-Net, que foi projetado para observar dois exames do mesmo paciente ao mesmo tempo: a imagem atual e a da visita anterior. Em vez de tratar o novo exame como uma imagem isolada, o sistema utiliza o exame antigo e o desenho médico anterior da próstata como um guia. Isso permite que o computador entenda como a anatomia evoluiu ao longo do tempo, em vez de apenas adivinhar com base em um único momento.

O núcleo deste novo sistema baseia-se em duas inovações específicas. Primeiro, utiliza um componente que atua como um banco de memória, pegando o desenho médico antigo e convertendo-o em um mapa compacto da forma e do tamanho da próstase. Este mapa serve como uma âncora anatômica, lembrando ao sistema como a glândula deve ser para aquela pessoa específica. Segundo, o sistema emprega uma unidade de processamento especializada que compara o exame atual com o anterior, procurando conexões em toda a imagem. Esta unidade é projetada para ser eficiente, permitindo que rastreie relações de longo alcance dentro do volume 3D da próstata sem ficar sobrecarregada pela enorme quantidade de dados. Ao combinar a memória da forma antiga com uma comparação profunda da nova imagem, o sistema consegue refinar seus contornos, especialmente em áreas complicadas onde a próstata encontra outros tecidos ou onde a forma é irregular.

Para testar esta ideia, os pesquisadores não confiaram em um conjunto perfeito de desenhos de especialistas, que são raros para estudos longitudinais. Em vez disso, utilizaram um método de treinamento inteligente. Começaram com um modelo de inteligência artificial poderoso e pré-existente para gerar desenhos automatizados rudimentares para um grande conjunto de exames de pacientes. Estes desenhos automatizados, embora não sejam perfeitos, serviram como ponto de partida. O novo sistema aprendeu então a corrigir estes rascunhos usando o histórico dos exames do paciente. Os pesquisadores testaram o seu sistema num conjunto de dados do mundo real de pacientes em vigilância ativa, um grupo que incluía casos difíceis, como homens que haviam sido submetidos a cirurgia de próstata ou aqueles com má qualidade de imagem devido a implantes metálicos ou outros fatores.

Os resultados mostraram que este novo método superou significativamente os modelos de ponta existentes. Mesmo tendo sido treinado com um número relativamente pequeno de pacientes com rótulos automatizados imperfeitos, o sistema produziu contornos mais precisos da próstata e de suas zonas internas do que modelos que foram treinados com conjuntos de dados muito maiores. Foi particularmente bem-sucedido em manter contornos suaves e contínuos, evitando os erros irregulares ou fragmentados que frequentemente afetam outros sistemas. O sistema provou ser robusto mesmo quando os rótulos automatizados dos quais aprendeu continham erros, sugerindo que o uso do contexto histórico ajuda o computador a ignorar o ruído e a focar na anatomia real.

O estudo também explorou quão bem o sistema poderia lidar com diferentes tipos de erros nos dados de treinamento. Descobriram que, embora o sistema fosse resiliente a um certo nível de imprecisão, era mais sensível a erros na camada externa da próstata, uma região fina e irregular que é difícil de definir. Isto alinha-se com a dificuldade conhecida que os radiologistas enfrentam ao marcar esta área específica. Apesar desta sensibilidade, o sistema entregou consistentemente melhores resultados do que os seus concorrentes, demonstrando que aproveitar a linha do tempo do cuidado de um paciente é uma forma poderosa de melhorar a análise de imagens médicas.

Este trabalho sugere um caminho a seguir para a prática clínica onde o tempo dos especialistas é limitado. Ao usar o próprio histórico médico do paciente como guia, a inteligência artificial pode aprender a segmentar órgãos complexos com alta precisão, mesmo quando os dados de treinamento são imperfeitos. Os investigadores observam que, embora o seu sistema seja um passo significativo, ele foi projetado para trabalhar com pares de exames, observando uma visita de cada vez em sequência. Eles reconhecem que, para o monitoramento de muito longo prazo, o sistema precisaria de ser gerido cuidadosamente para garantir que pequenos erros não se acumulem ao longo de muitos anos. No entanto, a capacidade de rastrear com precisão a próstata ao longo do tempo, sem exigir uma biblioteca massiva de mapas desenhados à mão, oferece uma ferramenta promissora para tornar a vigilância ativa mais eficiente e fiável para os pacientes.

Resumo Técnico: MambaX-Net para Segmentação Longitudinal de RM de Próstata

Definição do Problema
A Vigilância Ativa (VA) é um tratamento padrão para câncer de próstata de risco baixo a intermediário, exigindo monitoramento regular via RM seriadas para acompanhar a progressão da doença. A segmentação precisa da próstata total (WP) e de suas sub-regiões (zona periférica PZ, zona de transição TZ) é crítica para a estimação de volume e detecção automatizada de lesões. No entanto, os modelos de aprendizado profundo existentes enfrentam duas limitações primárias neste contexto:

Lacuna de Modelagem Longitudinal: A maioria dos modelos de estado da arte (SOTA) é treinada em dados de um único ponto temporal. Eles tratam cada exame de forma isolada, falhando em aproveitar a rica informação temporal disponível nos protocolos de VA, onde os pacientes passam por múltiplas exames ao longo do tempo.
Escassez de Anotação: Conjuntos de dados longitudinais são escassos e caros para serem anotados manualmente. Abordagens semissupervisionadas existentes frequentemente lutam contra o desvio de domínio entre conjuntos de dados públicos de pré-treinamento e dados clínicos privados de VA, ou falham em lidar com o ruído inerente aos pseudo-rótulos gerados para exames longitudinais não rotulados.
Limitações Arquiteturais: Embora os Transformers capturem o contexto de longo alcance, eles frequentemente exigem grandes conjuntos de dados e têm dificuldade com detalhes finos. Por outro lado, as CNNs (como a nnU-Net) são robustas, mas carecem de mecanismos explícitos para modelar a evolução temporal sem um registro de imagem rígido, que é pouco confiável para a RM de próstata devido a deformações não rígidas.

Metodologia
Os autores propõem o MambaX-Net, uma nova arquitetura de segmentação 3D de dupla entrada e semissupervisionada, projetada especificamente para dados longitudinais. O modelo estende o framework 3D nnU-Net para processar um par de exames: o exame atual no tempo $t$ ( $I_t$ ) e o exame anterior no tempo $t-1$ ( $I_{t-1}$ ), juntamente com a máscara de segmentação do ponto temporal anterior ( $M_{t-1}$ ).

Os principais componentes arquiteturais incluem:

Estrutura de Dual-Encoder: Dois encoders com pesos compartilhados processam $I_t$ e $I_{t-1}$ . O encoder para $I_{t-1}$ é truncado para extrair apenas os três níveis de características superiores para equilibrar a eficiência computacional com a preservação de detalhes espaciais de alta resolução.
Módulo Extrator de Forma (SEM): Um bloco sequencial de camadas convolucionais 3D que codifica a máscara de segmentação anterior ( $M_{t-1}$ ) em uma representação anatômica latente ( $f_{SEM}^{t-1}$ ). Isso serve como um prior anatômico explícito, capturando informações de forma e tamanho específicas do paciente sem exigir registro de imagem explícito.
Módulo de Atenção Cruzada Melhorado por Mamba (M-CAM): Esta é a inovação central. Ele integra blocos Mamba (Modelos de Espaço de Estados) em um mecanismo de atenção cruzada.
- As características do exame atual ( $f_t$ ) atuam como queries.
  as características do exame anterior ( $f_{t-1}$ ) combinadas com a saída do SEM ( $f_{SEM}^{t-1}$ ) atuam como chaves (keys) e valores (values).
- Os blocos Mamba processam essas embeddings para capturar eficientemente dependências espaciais e temporais de longo alcance com escalonamento linear, evitando a complexidade quadrática dos Transformers.
- O módulo realiza o alinhamento implícito de características no espaço latente, fundindo os dados de imagem do exame atual com a orientação estrutural da máscara anterior.
Framework de Auto-Treinamento: Para lidar com a falta de anotações de especialistas em conjuntos de dados longitudinais, os autores empregam uma estratégia semissupervisionada. Uma nnU-Net pré-treinada no conjunto de dados público PI-CAI gera pseudo-rótulos para os dados de treinamento de VA não rotulados. Esses pseudo-rótulos são usados para ajustar o MambaX-Net, com o pseudo-rótulo do ponto temporal anterior servindo como entrada e o pseudo-rótulo do ponto temporal atual sendo usado para o cálculo da perda.
Função de Perda: É utilizada uma perda modificada de Focal Tversky Dice Cross-Entropy (FT_DCE) para lidar com o desequilíbrio de classes e focar em exemplos negativos difíceis, particularmente no ápice e na base irregulares da próstata.

Principais Contribuições

Primeira Segmentação Longitudinal Baseada em Mamba: O MambaX-Net é a primeira arquitetura que modela conjuntamente a evolução da RM longitudinal e o contexto anatômico de prior-mask explícito usando blocos Mamba.
Integração de Novos Módulos: A introdução dos módulos M-CAM e SEM permite que o modelo fundamente a atenção global na geometria específica do paciente, refinando os limites das zonas sem depender de registro rígido.
Eficiência de Dados: O framework demonstra que uma segmentação de alta qualidade pode ser alcançada com anotações de especialistas limitadas, aproveitando pseudo-rótulos ruidosos e o contexto temporal, superando modelos treinados em conjuntos de dados maiores.

Resultados Experimentais
O modelo foi avaliado em um conjunto de dados longitudinal de VA privado (317 pacientes) e comparado com baselines SOTA (nnU-Net-V2, SwinUNETR-V2, SegMamba) e um modelo anterior de duplo exame (DSM).

Desempenho: O MambaX-Net superou significativamente todos os baselines em Coeficiente de Similaridade de Dice (DSC) e Distância de Hausdorff no percentil 95 (HD95) em toda a WP, PZ e TZ, particularmente em regimes de poucos dados ( $n \le 50$ pacientes para ajuste fino).
Robustez: O modelo manteve um desempenho superior mesmo quando treinado com pseudo-rótulos ruidosos, enquanto modelos de exame único (especialmente o SwinUNETR) sofreram degradação severa.
Análise Qualitativa: As visualizações mostraram que o MambaX-Net produziu volumes 3D contínuos e suaves com delineamento de bordas preciso, mesmo em casos desafiadores envolvendo anatomia pós-cirúrgica (TURP) ou artefatos de imagem, onde outros modelos exibiram vazamento de borda ou predições descontínuas.
Eficiência: Apesar de possuir uma grande contagem de parâmetros (426.4M), o MambaX-Net requer menos memória de GPU de pico (14.4 GB) e é mais rápido (276.3 ms) que o SwinUNETR (25.1 GB, 649.5 ms) devido ao escalonamento linear dos blocos Mamba, evitando os gargalos de memória quadrática dos Transformers.

Significância e Alegações
O artigo afirma que o MambaX-Net oferece um caminho viável para a tradução clínica da análise de RM de próstata longitudinal sem a necessidade de anotação manual extensiva ou registro de imagem explícito. Ao combinar efetivamente a eficiência do Mamba com a orientação estrutural de um extrator de forma, o modelo supera as limitações tanto de CNNs quanto de Transformers no tratamento de dados temporais. Os autores enfatizam que a capacidade do modelo de aproveitar pseudo-rótulos enquanto mantém alta precisão em ambientes de dados escassos e ruidosos aborda um gargalo crítico na implementação de IA para Vigilância Ativa.

Os autores reconhecem modestamente as limitações, observando que o estudo é baseado em um conjunto de dados de uma única instituição e que o design de dupla entrada atualmente processa pares de pontos temporais em vez de modelar três ou mais simultaneamente. Eles também observam que o desempenho pode degradar se os pseudo-rótulos se tornarem altamente corrompidos, afetando particularmente a PZ, sugerindo trabalhos futuros em auto-treinamento consciente da incerteza.

Mais como este