Handling Supervision Scarcity in Chest X-ray Classification: Long-Tailed and Zero-Shot Learning

Este artigo apresenta soluções específicas para o desafio CXR-LT 2026, abordando a escassez de supervisão em radiografias de tórax através de uma estratégia de aprendizado multi-rótulo equilibrada para classes raras e uma abordagem de reconhecimento zero-shot para doenças não vistas, alcançando o primeiro lugar no ranking público.

O essencial

Imagine que você é um médico especialista em raios-X de tórax. Seu trabalho é olhar para as imagens e dizer o que está errado: pneumonia, fraturas, tumores, etc. O problema é que, na vida real, algumas doenças são muito comuns (como um resfriado) e outras são extremamente raras (como uma doença genética específica). Além disso, às vezes você encontra algo que nunca viu antes e não tem um manual para isso.

Este artigo descreve como uma equipe de pesquisadores criou um "assistente de IA" inteligente para ajudar nessa tarefa, participando de uma competição chamada CXR-LT 2026. Eles ganharam o primeiro lugar em duas categorias difíceis.

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

1. O Grande Desafio: A "Festa" Desequilibrada

Pense no conjunto de dados de raios-X como uma grande festa.

• O Problema da "Cauda Longa" (Task 1): Na festa, 90% das pessoas estão dançando a mesma música popular (doenças comuns). Apenas 10% estão em um canto escuro tocando músicas de nicho (doenças raras). Se você treinar um DJ (a IA) apenas ouvindo a música popular, ele vai ignorar completamente as músicas raras.
• O Problema do "Zero-Shot" (Task 2): Imagine que, de repente, alguém chega na festa com uma roupa que você nunca viu e pede para dançar uma música que você nunca ouviu. Como você sabe se é uma dança válida? Você não tem exemplos dessa dança para treinar.

2. A Solução para Doenças Comuns e Raras (Task 1)

Para resolver o problema da festa desequilibrada, a equipe criou uma estratégia de "Treinamento Inteligente":

• Dar mais atenção aos "invisíveis": Eles ensinaram a IA a não ignorar as pessoas no canto escuro. Usaram uma técnica chamada Loss Distribution-Balanced. Imagine que, em vez de dar 1 ponto por cada pessoa que dança a música popular, você dá 100 pontos para cada pessoa que dança a música rara. Isso força a IA a prestar atenção nelas.
• Ampliar a amostragem: Eles usaram um "sistema de repetição". Se uma imagem tem uma doença rara, a IA vê essa imagem várias vezes durante o treino, como se estivesse revisando o mesmo capítulo difícil de um livro várias vezes.
• O "Chefe" da IA (Ensemble): No final, eles não usaram apenas uma IA, mas duas trabalhando juntas. É como ter dois médicos experientes olhando a mesma imagem e discutindo o diagnóstico antes de dar a resposta final.
• O Filtro de "Normalidade": Eles adicionaram uma regra simples: "Se a IA tem 99% de certeza de que o paciente está saudável, ela deve reduzir drasticamente a chance de dizer que há algo errado". Isso evita que a IA invente doenças onde não existem (falsos positivos).

Resultado: A IA ficou excelente em identificar tanto as doenças comuns quanto as raras, ficando em 1º lugar na competição.

3. A Solução para Doenças Nunca Vistas (Task 2)

Para as doenças que a IA nunca viu (as 6 categorias "fora de distribuição"), eles não puderam usar exemplos de imagens. Então, eles usaram a Linguagem como Ponte.

• O Tradutor Visual: Eles usaram uma IA especial chamada WhyXrayCLIP. Pense nela como um tradutor que aprendeu a conectar imagens de raios-X com palavras descritivas.
• Como funciona: Em vez de mostrar à IA uma foto de uma doença chamada "Bulla" (uma bolha no pulmão) para ela aprender, eles apenas deram a ela o texto "Bulla" e a explicaram o que é.
• O Teste de Similaridade: Quando chega uma nova imagem, a IA não procura por "fotos de Bulla". Ela pergunta: "Esta imagem se parece mais com a descrição 'Bulla' ou com a descrição 'Pneumonia'?" Ela compara a imagem com o texto e dá uma nota de similaridade.
• O "Kit de Perguntas": Para ser mais preciso, eles criaram várias formas de descrever a mesma doença (como "bolha no pulmão", "espaço vazio", etc.) e pediram para a IA responder a todas essas perguntas ao mesmo tempo, tirando uma média.

Resultado: Mesmo sem nunca ter visto uma foto dessas doenças específicas, a IA conseguiu identificá-las apenas lendo as descrições, ficando novamente em 1º lugar.

Resumo Final

A equipe criou um sistema que:

1. Não ignora o raro: Aprende a dar valor às doenças que aparecem pouco.
2. Lê e entende: Usa o texto para reconhecer doenças que nunca viu antes, como se estivesse lendo um manual médico em tempo real.

Eles provaram que, com as técnicas certas, a inteligência artificial pode ser um parceiro muito mais justo e completo para os médicos, ajudando a diagnosticar desde o comum até o inédito.

Resumo técnico

Título: Lidando com a Escassez de Supervisão na Classificação de Radiografias de Tórax: Aprendizado Long-Tailed e Zero-Shot

1. Problema e Contexto

A classificação de Radiografias de Tórax (CXR) na prática clínica enfrenta desafios críticos devido à supervisão imperfeita nos conjuntos de dados. Dois problemas principais são identificados:

1. Distribuição Long-Tailed (Cauda Longa): As anotações de doenças seguem uma distribuição extremamente desbalanceada, onde poucas doenças comuns (classes "cabeça") dominam os dados, enquanto muitas anomalias clinicamente importantes (classes "cauda") são raras. Isso faz com que modelos padrão favoreçam as classes frequentes e falhem nas raras.
2. Anotações Faltantes e Doenças Inéditas: Existem casos de doenças raras ou nunca antes vistas (Out-of-Distribution - OOD) para as quais não há anotações supervisionadas disponíveis durante o treinamento.

O artigo aborda o Desafio CXR-LT 2026, baseado no conjunto de dados PadChest, que exige a resolução de duas tarefas distintas:

• Tarefa 1: Classificação multi-rótulo long-tailed em 30 classes de distribuição conhecida (ID).
• Tarefa 2: Reconhecimento Zero-Shot de 6 classes fora de distribuição (OOD) sem usar nenhum rótulo supervisionado ou exemplos dessas classes no treinamento.

2. Metodologia

Os autores propõem soluções específicas para cada regime de supervisão:

Tarefa 1: Classificação Multi-Rótulo Long-Tailed

O objetivo é melhorar o reconhecimento de classes raras mantendo o desempenho nas classes frequentes.

• Arquitetura: Utilização do ConvNeXtV2-Base como backbone, pré-treinado em imagens CXR do MIMIC-CXR. São ajustadas duas variantes: uma com cabeçalho MLP padrão e outra com cabeçalho CSRA (Class-Specific Spatial Attention).
• Função de Perda Balanceada (Distribution-Balanced Loss - DB Loss):
  • Combina reponderação baseada na estatística de "número efetivo" de amostras para classes e um ajuste de margem para rótulos positivos.
  • Aumenta a contribuição das classes da cauda sem amplificar instabilidades.
• Amostragem Consciente de Classe (Class-Aware Sampling - CAS):
  • Utiliza um amostrador estilo "repeat-factor" para superamostrar imagens contendo rótulos positivos raros, aumentando a exposição do modelo a essas classes sem distorcer excessivamente a distribuição dos dados.
• Inferência e Pós-Processamento:
  • Ensemble com TTA: Combinação ponderada de dois checkpoints treinados com Test-Time Augmentation (rotação, espelhamento, zoom).
  • Gating Normal: Um refinamento pós-processamento que suprime as probabilidades de anomalias se o modelo tiver alta confiança de que a imagem é "Normal", reduzindo falsos positivos.

Tarefa 2: Detecção Zero-Shot OOD

O objetivo é prever 6 doenças não vistas (ex: Escoliose, Osteopenia, Goiter) sem treinamento supervisionado nessas classes.

• Abordagem: Formulação como um problema de correspondência Visão-Linguagem.
• Modelo: Uso do WhyXrayCLIP, um modelo de linguagem-vision especializado em CXR, baseado no OpenCLIP ViT-L/14 e ajustado finamente em pares imagem-relatório do MIMIC-CXR.
• Mecanismo:
  • O modelo aprende semânticas visuais específicas de radiologia e suas correspondências textuais.
  • Ensemble de Prompts: Para cada classe OOD, são definidos vários prompts textuais radiológicos genéricos.
  • Pontuação: Calcula-se a similaridade de cosseno entre o embedding da imagem e os embeddings dos prompts textuais. A pontuação final é mapeada para [0, 1] usando uma função sigmoide escalada.

3. Contribuições Principais

1. Estratégia de Aprendizado Balanceada: Desenvolvimento de uma abordagem que integra reponderação de perda, amostragem inteligente e ensemble de inferência para lidar eficazmente com o desbalanceamento extremo em dados médicos.
2. Solução Zero-Shot Robusta: Demonstração de que modelos de linguagem-vision adaptados ao domínio (como o WhyXrayCLIP) podem realizar reconhecimento de doenças inéditas com alta precisão, sem necessidade de dados rotulados específicos para essas classes.
3. Desempenho de Liderança: O método alcançou o 1º lugar na tabela de classificação pública (leaderboard) da fase de desenvolvimento do desafio CXR-LT 2026 em ambas as tarefas.

4. Resultados

Os resultados foram avaliados usando mAP médio macro (que pondera todas as classes igualmente, crucial para cenários long-tailed).

• Tarefa 1 (Classificação Long-Tailed):
  • mAP: 0.583 (1º lugar), superando o segundo colocado (0.535) por uma margem significativa de 0.048.
  • mAUC: 0.919.
  • mF1: 0.376 (melhor entre os participantes).
• Tarefa 2 (Reconhecimento Zero-Shot OOD):
  • mAP: 0.467 (1º lugar), superando o segundo colocado (0.365) por 0.102.
  • mAUC: 0.779.

Nota: Os autores observam que a calibração (mECE) ainda apresenta desafios, especialmente na Tarefa 1, indicando que há espaço para melhoria na confiabilidade das probabilidades de saída.

5. Significado e Conclusão

Este trabalho é significativo porque aborda diretamente as limitações da supervisão em IA médica, um gargalo real para a implantação clínica.

• Generalização: Ao usar o conjunto de dados PadChest (diferente do MIMIC-CXR usado em edições anteriores), o método demonstra robustez frente a mudanças na distribuição de dados e protocolos de aquisição.
• Viabilidade Clínica: A capacidade de detectar doenças raras (cauda longa) e inéditas (zero-shot) sem necessidade de grandes conjuntos de dados rotulados para cada nova patologia é um passo crucial para sistemas de diagnóstico assistido por computador mais abrangentes e seguros.
• Futuro: Os autores planejam melhorar a calibração, investigar alinhamentos texto-imagem mais fortes e expandir o framework para tarefas como geração de relatórios e VQA (Visual Question Answering) médica.

O código e os modelos pré-treinados estão disponíveis publicamente, facilitando a reprodutibilidade e o avanço futuro na área.