Beyond Benchmarks of IUGC: Rethinking Requirements of Deep Learning Methods for Intrapartum Ultrasound Biometry from Fetal Ultrasound Videos

Título: Além dos Benchmarks do IUGC: Repensando os Requisitos de Métodos de Aprendizado Profundo para Biometria de Ultrassom Intraparto a partir de Vídeos de Ultrassom Fetal

1. Problema e Contexto Clínico

O artigo aborda a alta incidência de mortes maternas, neonatais e natimortos (cerca de 45%) que ocorrem durante o parto, especialmente em países de baixa e média renda. O ultrassom intraparto é uma ferramenta crucial para monitorar o progresso do trabalho de parto, permitindo prever o modo de parto (vaginal vs. cesárea) e diagnosticar anomalias fetais.

No entanto, a aplicação rotineira desse exame em ambientes com recursos limitados é dificultada pela escassez de sonografistas treinados. A análise manual é:

• Intensiva e fatigante: Requer manipulação constante do transdutor e medições precisas.
• Sujeita a erros: Baixa consistência inter e intra-observador.
• Complexa: Envolve a identificação de planos padrão, segmentação de estruturas anatômicas (Cabeça Fetal - FH e Sínfise Púbica - PS) e medição de parâmetros biométricos específicos:
  • Ângulo de Progressão (AoP): Ângulo entre o eixo longo da sínfise púbica e uma tangente da borda inferior da sínfise até a parte mais profunda do osso fetal.
  • Distância Cabeça-Sínfise (HSD): Distância perpendicular entre a borda inferior da sínfise púbica e o ponto mais próximo da cabeça fetal.

O desafio técnico reside na natureza dinâmica dos vídeos de ultrassom, que apresentam artefatos (sombras acústicas, ruído de speckle), deformação anatômica devido às contrações uterinas e movimento fetal rápido.

2. Metodologia: O Desafio IUGC (Intrapartum Ultrasound Grand Challenge)

Para impulsionar o desenvolvimento de soluções automatizadas, foi organizado o IUGC em conjunto com a conferência MICCAI 2024.

• Dataset: O maior conjunto de dados de vídeos de ultrassom intraparto multicêntrico disponível até o momento.
  • Volume: 774 vídeos (68.106 imagens) coletados de três hospitais na China (JNU, SYSU, SMU).
  • Divisão: 434 vídeos para treino, 40 para validação e 300 para teste final.
  • Anotações: Inclui classificação de planos padrão, segmentação de FH e PS, e medição de AoP e HSD.
• Tarefas do Desafio: Um framework de aprendizado multi-tarefa que integra:
  1. Classificação: Identificar se um quadro do vídeo é um "plano padrão" clinicamente aceitável.
  2. Segmentação: Segmentar a Cabeça Fetal (FH) e a Sínfise Púbica (PS).
  3. Biometria: Calcular automaticamente o AoP e o HSD a partir das segmentações.
• Participantes: 126 equipes registradas de 18 países; 16 completaram o desafio, com 8 equipes apresentando seus métodos detalhados no artigo (incluindo a linha de base T0 e as 7 melhores equipes T1-T7).

3. Abordagens e Arquiteturas de Modelos

O artigo analisa diversas estratégias de aprendizado profundo utilizadas pelas equipes vencedoras:

• Abordagens Baseadas em Imagem (Two-Stage): A maioria das equipes (T0, T2, T3, T4, T5, T6, T7) utilizou um pipeline de duas etapas: primeiro classificou o plano, depois segmentou as estruturas.
  • Arquiteturas: UNet, DeepLabV3, ResNet, LinkNet, e modelos ensemble (combinação de múltiplos modelos como EfficientNet, ConvNeXt, etc.).
  • Técnicas: Uso de Data Augmentation (AutoAugmentation, rotação, espelhamento), aprendizado semi-supervisionado (pseudo-rótulos com nnUNet) e Transfer Learning (ImageNet).
• Abordagem End-to-End Baseada em Vídeo (T1 - Ganjie): A equipe vencedora geral (T1) utilizou uma abordagem inovadora baseada em Video Swin Transformer.
  • Integrou classificação, segmentação e medição em um único framework.
  • Utilizou transformadores de ondas (wavelet transformers) para mitigar ruído e capturar características temporais e espaciais globais.
  • Não utilizou pós-processamento manual, confiando na otimização direta do modelo.
• Pós-processamento: A maioria das equipes aplicou técnicas como filtragem de componentes conectados, ajuste de elipse e detecção de bordas. O estudo comparou o uso de ajuste de elipse vs. uso direto dos contornos brutos.

4. Resultados Principais

Os resultados foram avaliados usando métricas rigorosas (Acurácia, F1, DSC, ASSD, HD, e erro absoluto na biometria).

• Classificação (Tarefa 1):
  • A equipe T1 (Ganjie) obteve o melhor desempenho (Acurácia = 0.7441, F1 = 0.7555).
  • Desafio: Nenhuma equipe superou 80% de acurácia, ficando abaixo da performance humana (>86%), indicando a dificuldade extrema de distinguir planos padrão de não-padrão devido à baixa separabilidade inter-classe.
• Segmentação (Tarefa 2):
  • A equipe T2 (ViCBiC) liderou com DSC = 0.8857.
  • Modelos baseados em SAM (Segment Anything Model) e arquiteturas Transformer (como TransUnet) mostraram desempenho competitivo, superando UNets clássicos em métricas de distância de superfície.
• Biometria (Tarefa 3):
  • A equipe T3 (BioMedIA) obteve o menor erro para AoP (9.15°), enquanto a T2 teve o menor erro para HSD (10.38 pixels).
  • Descoberta Crítica: O uso de ajuste de elipse (ellipse fitting) nos contornos segmentados não melhorou a precisão da biometria e, em alguns casos, piorou os resultados devido à propagação de erros de segmentação. O uso direto dos contornos brutos (sem ajuste geométrico rígido) mostrou-se mais robusto.
• Robustez Multicêntrica:
  • Houve uma queda significativa de desempenho em dados do hospital SMU (dispositivo Esaote MyLab), indicando que os modelos são sensíveis a mudanças de dispositivo e domínio (domain shift). A segmentação mostrou-se mais robusta que a classificação e a medição biométrica.

5. Contribuições Chave

1. Dataset de Referência: Disponibilização do maior conjunto de dados de vídeos de ultrassom intraparto com anotações de biometria, permitindo o treinamento de modelos end-to-end.
2. Framework Multi-tarefa: Estabelecimento de um benchmark que avalia a cadeia completa de processamento (classificação -> segmentação -> medição), revelando como erros se acumulam entre as etapas.
3. Análise de Arquiteturas: Demonstração de que abordagens baseadas em vídeo (Video Transformers) e modelos foundation (SAM) superam métodos tradicionais baseados apenas em imagens estáticas para este contexto dinâmico.
4. Insights sobre Pós-processamento: Evidência de que técnicas geométricas clássicas (como ajuste de elipse) podem ser contraproducentes em cenários de ultrassom ruidoso e dinâmico.
5. Análise de Consistência: Estudo detalhado da concordância entre anotadores humanos, mostrando que a incerteza na anotação (ICC moderado) é um limite natural para o desempenho dos algoritmos.

6. Significado e Impacto Clínico

O trabalho destaca que, embora resultados promissores tenham sido alcançados, a implementação clínica ainda enfrenta barreiras:

• Limitação Atual: A precisão na identificação automática de planos padrão ainda é inferior à humana, o que limita a confiabilidade do sistema em cenários reais.
• Potencial Futuro: A integração de aprendizado semi-supervisionado (para aproveitar dados não rotulados abundantes) e o desenvolvimento de arquiteturas leves para dispositivos de borda (edge devices) são caminhos cruciais.
• Impacto: A automação robusta dessas medições pode democratizar o acesso a cuidados obstétricos de alta qualidade, reduzindo a dependência de especialistas e melhorando os desfechos maternos e fetais globalmente.

O artigo conclui que o IUGC estabeleceu um novo padrão para pesquisa em ultrassom obstétrico, mas que a transição para a prática clínica exigirá avanços adicionais na robustez de detecção, generalização de domínio e eficiência computacional.