A Framework for Cross-Domain Generalization in Coronary Artery Calcium Scoring Across Gated and Non-Gated Computed Tomography

Este artigo apresenta um framework automatizado baseado no modelo CARD-ViT, treinado exclusivamente com dados de tomografia computadorizada (TC) cardíaca com sincronização eletrocardiográfica (gated), que permite a detecção e pontuação de cálcio coronariano em exames de TC não sincronizados (non-gated) com desempenho comparável a modelos treinados especificamente para essa modalidade, viabilizando assim a triagem cardiovascular em exames de rotina sem a necessidade de novos exames ou anotações.

O essencial

Imagine que o coração é como um motor de carro antigo. Com o tempo, ele pode acumular "ferrugem" e "pedras" (chamadas de cálcio) nas tubulações (artérias). Se houver muitas dessas pedras, o risco de o motor falhar (um ataque cardíaco) aumenta.

Os médicos usam uma técnica chamada Tomografia Computadorizada (TC) para contar essas pedras e dar uma "nota de risco" ao paciente. O problema é que, para contar com precisão, o motor precisa estar parado. Por isso, os exames tradicionais usam um "fio de sincronização" (o ECG) para tirar a foto exatamente quando o coração bate. Isso é caro, demorado e só é feito em hospitais especializados.

Mas aqui está a grande oportunidade perdida: milhares de pessoas fazem exames de tórax comuns (para ver pneumonia, por exemplo) todos os dias. Nesses exames, o coração está se mexendo, a imagem fica um pouco "borrada" (não sincronizada), e os médicos geralmente ignoram o coração, focando apenas nos pulmões. É como tentar ler um livro enquanto alguém balança a página: você vê as palavras, mas com dificuldade.

A Grande Inovação: O "Detetive" que Aprende a Ler o Borrado

Os autores deste artigo criaram um sistema de Inteligência Artificial chamado CARD-ViT que resolve esse problema de uma forma muito inteligente.

Pense no CARD-ViT como um detetive treinado apenas em fotos nítidas e perfeitas (os exames sincronizados). Normalmente, se você ensinar um detetive a reconhecer um suspeito apenas em fotos de alta definição, ele teria dificuldade em reconhecê-lo em uma foto tremida ou borrada.

Mas o que os pesquisadores fizeram foi diferente:

1. Aprendizado "Cego" (Self-Supervised): Eles ensinaram o detetive a olhar milhares de fotos de corações perfeitos e aprender a estrutura dos vasos sanguíneos e onde o cálcio costuma aparecer, sem precisar que alguém apontasse cada pedra manualmente. O sistema aprendeu a "sentir" a anatomia.
2. O Pulo do Gato: Depois de treinado apenas com fotos perfeitas, eles testaram o detetive nas fotos borradas (os exames não sincronizados).
3. O Resultado Surpreendente: O detetive conseguiu identificar as pedras nas fotos borradas quase tão bem quanto se tivesse sido treinado especificamente para elas!

Como Funciona a Mágica?

Imagine que o sistema usa uma lente especial (chamada Vision Transformer) que consegue focar nos detalhes importantes, mesmo que o resto da imagem esteja tremendo.

• O Treino: O sistema olhou para milhares de exames de coração "parados" e aprendeu o padrão de onde o cálcio vive.
• A Aplicação: Quando recebe um exame de tórax comum (onde o coração está se mexendo), o sistema usa esse conhecimento para "limpar" mentalmente a imagem e encontrar as pedras, mesmo que a foto esteja um pouco desfocada.

Por que isso é um "Superpoder" para a Medicina?

1. Não precisa de novos exames: Você não precisa ir ao hospital fazer um exame extra. O sistema usa o exame de tórax que você já fez por outro motivo.
2. Economia de tempo e dinheiro: Como o sistema é automático, ele não precisa de um médico gastar 10 minutos olhando cada imagem. Ele faz isso em segundos.
3. Segurança: O sistema foi testado e mostrou que consegue dizer se o risco é baixo (0 pedras), médio ou alto (muitas pedras) com uma precisão muito alta, mesmo nas fotos "borradas".

O Resumo da Ópera

Antes, se você fazia um exame de tórax por pneumonia, o coração era ignorado. Agora, com essa nova ferramenta, podemos usar esses exames "de rotina" para fazer uma triagem cardíaca automática.

É como se tivéssemos dado óculos de visão noturna para um médico que só trabalhava de dia. Ele agora consegue ver os perigos (cálcio) mesmo em condições de luz ruim (exames não sincronizados), permitindo que mais pessoas sejam detectadas precocemente e salvas, sem precisar de equipamentos caros ou exames adicionais.

Em suma: Eles criaram um "tradutor" que ensinou uma IA a entender exames de coração "imperfeitos" usando apenas o conhecimento de exames "perfeitos", abrindo portas para salvar vidas de forma mais barata e rápida.

Resumo técnico

1. Problema e Motivação

A doença cardiovascular (DCV) é a principal causa de mortalidade global, e o escore de cálcio coronariano (CAC) é um preditor independente e poderoso de eventos futuros. O escore CAC, calculado pelo método Agatston, é tradicionalmente obtido através de tomografias computadorizadas (TC) com sincronização ECG (gated), que minimizam artefatos de movimento e permitem quantificação precisa.

No entanto, a maioria dos exames de TC de tórax realizados na prática clínica rotineira são não sincronizados (non-gated), frequentemente realizados para avaliação pulmonar. Esses exames representam uma oportunidade perdida para a triagem cardiovascular "oportuna", pois não requerem radiação adicional ou novos exames. O desafio principal é a mudança de domínio (domain shift): os artefatos de movimento nos exames non-gated dificultam a aplicação direta de modelos treinados em dados gated. Métodos existentes de adaptação de domínio geralmente exigem dados rotulados de ambas as modalidades durante o treinamento, o que é limitado pela escassez de grandes conjuntos de dados non-gated anotados.

2. Metodologia

O artigo propõe um framework de ponta a ponta que realiza a detecção, segmentação pixel a pixel e escore Agatston específico de lesão, generalizando de dados gated para non-gated sem treinamento supervisionado em dados non-gated.

Arquitetura Principal: CARD-ViT

• Backbone: Utiliza um Vision Transformer (ViT) chamado CARD-ViT.
• Treinamento Auto-supervisionado: O modelo é pré-treinado exclusivamente em dados gated (TC com sincronização ECG) utilizando a técnica DINO (Self-Distillation with NO labels). Isso permite aprender representações robustas e generalizáveis sem necessidade de anotações manuais massivas.
• Adaptação de Entrada: A camada de embedding de patches baseada em RGB foi modificada para aceitar entradas de canal único (CT em escala de cinza), mantendo a compatibilidade com pesos pré-treinados.
• Processamento: As fatias de TC (512x512) são divididas em patches de 16x16. O modelo utiliza tokens de registro (register tokens) para refinar os padrões de atenção espacial.
• Extração de Recursos: O modelo gera três tipos de recursos da camada final do Transformer: embeddings de patches, mapas de atenção (derivados do token [CLS]) e recursos dos tokens de registro. Esses são concatenados para formar uma representação unificada de 784 canais.

Segmentação e Pontuação

• Cabeça de Segmentação: Um decodificador personalizado processa a representação unificada para gerar máscaras de segmentação pixel a pixel. Utiliza conexões de skip seletivas para recuperar detalhes anatômicos finos perdidos durante o downsampling.
• Saída: O modelo produz uma máscara binária única (canal único) de todas as regiões calcificadas, em vez de máscaras separadas por artéria, o que melhora a robustez e mitiga desequilíbrios de classe.
• Cálculo do Escore Agatston: Após a segmentação, uma análise de componentes conectados identifica lesões individuais. O escore é calculado combinando a área física (mm²) e a intensidade máxima em Unidades Hounsfield (HU) de cada lesão, somando-se ao escore total do paciente.

Implantação Clínica

O pipeline foi integrado ao MONAI Label e visualizado via OHIF Viewer, permitindo que radiologistas revisem as segmentações em tempo real, refinem resultados e validem previsões.

3. Contribuições Chave

1. Generalização Cross-Domain sem Supervisão: Demonstra que um modelo treinado apenas em dados gated de alta qualidade pode generalizar eficazmente para dados non-gated sem qualquer dado de treinamento non-gated ou técnicas complexas de adaptação de domínio.
2. CARD-ViT: Introdução de um backbone ViT auto-supervisionado adaptado para imagens médicas, capaz de aprender características anatômicas robustas.
3. Avaliação Realista: Comparação direta com o modelo AI-CAC (treinado especificamente em dados non-gated), mostrando desempenho comparável apesar da diferença nas estratégias de treinamento.
4. Pipeline Clínico Funcional: Integração completa em um ambiente de avaliação clínica com feedback interativo.

4. Resultados

Os modelos foram avaliados em dois conjuntos de dados: Heartlens (interno, apenas gated) e Stanford (externo, com subconjuntos gated e non-gated).

• Desempenho em Dados Gated:
  • Alta precisão na segmentação (Dice de 0.865 no teste interno e 0.839 no teste externo Stanford).
  • Precisão na estratificação de risco: 0.910 de acurácia e Cohen's κ > 0.87 em ambos os conjuntos gated, indicando forte concordância com o ground truth.
• Generalização para Dados Non-Gated (Stanford):
  • O CARD-ViT (treinado apenas em gated) alcançou 0.707 de acurácia e κ de 0.528 em dados non-gated.
  • Comparação: Este desempenho foi idêntico ao do modelo AI-CAC (0.707 de acurácia, κ 0.542), que foi treinado diretamente em dados non-gated.
  • Análise de Erros: O CARD-ViT mostrou superioridade na detecção de casos sem cálcio (sensibilidade de 0.933 vs 0.876 do AI-CAC), mas teve sensibilidade ligeiramente menor em grupos de alto risco (400+), possivelmente devido à sub-representação de características morfológicas severas nos dados de treinamento gated.
• Estudo de Ablação: A configuração "Base" do DINOv2 com tokens de registro apresentou o melhor equilíbrio entre desempenho e eficiência. Modelos maiores (Large, Giant) sofreram de overfitting e redução na qualidade da segmentação.

5. Significado e Conclusão

Este trabalho valida a viabilidade de realizar a triagem cardiovascular oportuna em exames de TC de tórax de rotina (non-gated) utilizando modelos treinados exclusivamente em dados cardíacos especializados (gated).

• Impacto Clínico: Permite a identificação de risco cardiovascular em pacientes que já realizaram exames de tórax, sem necessidade de novos exames ou radiação adicional.
• Eficiência de Anotação: O uso de aprendizado auto-supervisionado reduz drasticamente a dependência de anotações manuais pixel a pixel, que são caras e demoradas.
• Limitações e Futuro: O desempenho em dados non-gated é adequado para triagem (triagem com revisão clínica), mas não para decisão totalmente automatizada, especialmente em faixas de risco intermediário (11-400) onde a variabilidade de movimento afeta a precisão. Trabalhos futuros focarão em extensões 3D, adaptação de domínio específica para non-gated e validação multicêntrica.

Em resumo, o framework propõe uma solução escalável e eficiente para democratizar o escore de cálcio coronariano, transformando exames de rotina em ferramentas de prevenção cardiovascular.