Cross-Dataset Linkage of Brain MRI using Image Similarity Measures

Resumo Técnico: Vinculação de Dados de Ressonância Magnética Cerebral entre Conjuntos de Dados usando Medidas de Similaridade de Imagem

Declaração do Problema
Os dados de ressonância magnética (RM) da cabeça são compartilhados rotineiramente para pesquisa sob rigorosos quadros regulatórios (por exemplo, GDPR, HIPAA) que exigem a remoção de identificadores diretos. Técnicas padrão de preservação de privacidade incluem "desfiguração" (remoção de características faciais) e "remoção do crânio" (isolamento do parênquima cerebral). No entanto, uma lacuna crítica de privacidade permanece: mesmo após a remoção do crânio, o parênquima cerebral retém padrões anatômicos específicos do participante. Embora estudos anteriores demonstrassem que a RM cerebral poderia suportar a vinculação de sujeitos, eles dependiam em grande parte de métodos de aprendizado supervisionado que exigiam múltiplas varreduras rotuladas por indivíduo para treinamento, ou estavam limitados a coortes saudáveis, com o mesmo scanner e em intervalos curtos. Havia uma falta de evidências sobre se métodos simples, não supervisionados e computacionalmente eficientes poderiam vincular varreduras de RM ponderadas em T1 com remoção do crânio entre diferentes conjuntos de dados, scanners, protocolos de aquisição e pontos temporais, particularmente na presença de declínio cognitivo.

Metodologia
Os autores propuseram um pipeline estruturado e não supervisionado para avaliar a viabilidade da vinculação de RM entre conjuntos de dados usando pré-processamento padrão e medidas de similaridade de imagem. O estudo foi conduzido em duas fases:

1. Pré-avaliação (Conjuntos de Dados Simulados):

   • Dois conjuntos de dados simulados foram criados: SHCP (baseado no Human Connectome Project) e SLDM (baseado no conjunto de dados sintético LDM 100K).
   • Cada conjunto de dados continha 100 imagens originais e 400 variantes perturbadas (transformadas afim, com deslocamento de intensidade, ajuste de contraste e aumentadas com campo de viés) para mimetizar ambientes de imagem diversos.
   • Um pipeline de harmonização personalizado foi aplicado, consistindo em:
     • Registro Afim: Alinhamento ao atlas MNI ICBM 152 usando ANTs.
     • Harmonização de Intensidade: Normalização por escore Z, correção de campo de viés N4 e correspondência de histograma contra um atlas padrão.
     • Remoção do Crânio: Regeneração de máscaras cerebrais usando deepbet para garantir que a análise fosse restrita à região cerebral.
   • Onze medidas de similaridade de imagem foram avaliadas (por exemplo, SSIM, NMI, PCC, GradSim, NFID). Uma abordagem de limiarização baseada em agrupamento usando Estimativa de Densidade de Kernel (KDE) foi empregada para distinguir pares intra-participante de pares inter-participante sem rótulos de verdade fundamental durante o processo de correspondência.

2. Avaliação (Conjuntos de Dados do Mundo Real):

   • O pipeline foi testado em cinco conjuntos de dados públicos independentes: Estudo de Saúde Hormonal (HHS), Intervenção de Corrida, Fantoma Humano Viajante (THP), Participantes Viajantes da Universidade Estadual de San Diego (SDSU-TS) e a Iniciativa de Neuroimagem da Doença de Alzheimer (ADNI).
   • Esses conjuntos de dados variaram significativamente em tipos de scanner (Siemens, GE, Philips), forças de campo (1,5T e 3T), tamanhos de voxel, protocolos de aquisição e status cognitivo (Saudável, Comprometimento Cognitivo Leve, Demência).
   • O conjunto de dados ADNI forneceu especificamente um caso de teste rigoroso, vinculando varreduras do ADNI-1 e ADNI-2 (protocolos diferentes e lacunas temporais de até 108 meses) para participantes que experimentaram declínio cognitivo.
   • Os dados do ADNI foram processados usando a toolbox CAT12 para verificar se os resultados se mantinham através de diferentes técnicas de harmonização.

Principais Resultados

• Viabilidade da Vinculação Não Supervisionada: O estudo alcançou uma precisão de correspondência quase perfeita em todos os conjuntos de dados avaliados. Nos conjuntos de dados longitudinais (HHS e Intervenção de Corrida), o sistema alcançou uma Área sob a Curva (AUC), sensibilidade e especificidade de 1,000.
• Robustez à Variabilidade:
  • Entre Scanners/Protocolos: Os conjuntos de dados Fantoma Humano Viajante e SDSU-TS, envolvendo diferentes scanners e locais, produziram AUCs acima de 0,961 e 0,986, respectivamente.
  • Declínio Cognitivo: No conjunto de dados ADNI, que incluiu participantes progredindo de Cognitivamente Normais (CN) para Comprometimento Cognitivo Leve (MCI) e Demência, o pipeline manteve desempenho perfeito (AUC = 1,000) usando SSIM e PCC. Isso indica que assinaturas anatômicas específicas do indivíduo persistem apesar das alterações estruturais neurodegenerativas.
  • Intervalos Temporais: A vinculação bem-sucedida foi demonstrada mesmo com intervalos entre varreduras variando de 12 a 108 meses.
• Eficiência: O pipeline é computacionalmente eficiente. Harmonizar uma única imagem levou aproximadamente 87 segundos em uma CPU padrão, e calcular todas as medidas de similaridade levou 6 segundos.
• Desempenho da Métrica: O Índice de Similaridade Estrutural (SSIM), Informação Mútua Normalizada (NMI), Similaridade de Gradiente (GradSim) e Coeficiente de Correlação de Pearson (PCC) superaram consistentemente outras métricas. A Distância de Inception Fréchet Negativa (NFID) mostrou a separação mais fraca.

Significado e Alegações
O artigo alega fornecer evidências empíricas de que pipelines de pré-processamento padrão e de código aberto seguidos por cálculos diretos de similaridade de imagem são suficientes para vincular varreduras de RM cerebral ponderadas em T1 com remoção do crânio entre diferentes conjuntos de dados.

• Implicações de Privacidade: As descobertas destacam um risco de reidentificação anteriormente subestimado. Os autores argumentam que, sob quadros regulatórios como o GDPR, a existência de "meios razoavelmente prováveis de serem usados para identificar a pessoa natural" deve ser avaliada. Como ferramentas de código aberto podem vincular varreduras sem dados de treinamento, a RM cerebral pode não ser tão anonimizada quanto atualmente assumido quando combinada com informações auxiliares.
• Contexto Regulatório: O estudo operacionaliza conceitos do GDPR relativos à pseudonimização. Sugere que, embora o risco de reidentificação usando meios ilegais (por exemplo, acessar dados do mundo real restritos) não seja "razoável", o risco de vincular dados pseudonimizados a outros dados de pesquisa por meio desses métodos simples é significativo.
• Recomendações de Política: Os autores defendem governança de dados mais forte, incluindo:
  • Atualizar formulários de consentimento para perguntar explicitamente sobre participação prévia em estudos de RM.
  • Realizar Avaliações de Impacto à Proteção de Dados (AIPD) antes da liberação de dados.
  • Implementar medidas organizacionais para informar os participantes sobre os potenciais riscos de vinculação entre estudos.

O artigo conclui que a RM ponderada em T1, mesmo após a remoção do crânio, pode servir como um elo robusto entre bancos de dados, necessitando de uma reavaliação das atuais políticas de compartilhamento de dados e salvaguardas de privacidade na pesquisa de neuroimagem.