Comparative Analysis of Deep Learning Architectures for Multi-Disease Classification of Single-Label Chest X-rays

Resumo Técnico: Análise Comparativa de Arquiteturas de Deep Learning para Classificação Multi-Doença de Radiografias de Tórax

1. Problema e Contexto
As radiografias de tórax (CXR) são a técnica diagnóstica mais utilizada globalmente para doenças pulmonares e cardíacas devido ao seu baixo custo e facilidade de uso. No entanto, o diagnóstico manual enfrenta desafios críticos, incluindo a escassez de radiologistas, variabilidade interobservador (diferenças na interpretação entre médicos) e fadiga, o que leva a diagnósticos atrasados ou errôneos. Embora métodos de Deep Learning (DL) tenham mostrado promessa, existe uma lacuna na literatura quanto a avaliações comparativas rigorosas de arquiteturas contemporâneas em dados multi-classe equilibrados. A maioria dos estudos utiliza conjuntos de dados desbalanceados (onde casos "Normais" superam os patológicos) ou compara apenas uma ou duas arquiteturas sob condições experimentais diferentes, dificultando a generalização e a seleção de modelos para cenários de recursos limitados.

2. Metodologia
O estudo propõe uma avaliação sistemática e controlada de sete arquiteturas de Deep Learning para a classificação de cinco condições em radiografias de tórax: Cardiomegalia, COVID-19, Normal, Pneumonia e Tuberculose.

• Construção do Conjunto de Dados:

  • Dados foram agregados de três repositórios públicos: NIH Clinical Center, COVID-19 Radiography Database e Tuberculosis Chest X-ray Database.
  • Estratégia de Balanceamento: Para corrigir o desequilíbrio severo (60.361 imagens "Normais" vs. ~1.400 de Pneumonia), aplicou-se undersampling aleatório na classe majoritária (reduzindo para 3.616) e oversampling controlado via aumento de dados (data augmentation) nas classes minoritárias. O resultado foi um conjunto balanceado com 3.616 imagens por classe.
  • Divisão dos Dados: A separação foi feita ao nível do paciente (não da imagem) para evitar vazamento de dados, resultando em 70% para treino, 10% para validação e 20% para teste (18.080 imagens de 6.978 pacientes).

• Arquiteturas Avaliadas:
  Sete modelos foram testados com pesos pré-treinados no ImageNet e adaptados para 5 classes:

  1. CNNs Clássicas: DenseNet121, DenseNet201, ResNet50.
  2. Arquiteturas Eficientes: MobileNetV2, EfficientNetV2-M.
  3. Arquiteturas Modernas: ConvNeXt-Tiny (CNN inspirada em Transformers).
  4. Transformers: Vision Transformer (ViT-B/16).

• Configuração Experimental:

  • Todos os modelos foram treinados sob as mesmas condições: otimizador Adam, taxa de aprendizado fixa (1e-4), 50 épocas, batch size de 128 e validação cruzada estrita.
  • Métricas de avaliação incluíram: Acurácia, Precisão, Recall, F1-Score, AUROC (Área sob a Curva ROC) e eficiência computacional (tempo de treino/inferência e número de parâmetros).

3. Principais Contribuições

• Conjunto de Dados Unificado e Equilibrado: Criação de um dataset multi-classe balanceado que mitiga o viés de classes majoritárias, permitindo uma avaliação justa de desempenho em doenças raras.
• Comparação Sistemática: Primeira avaliação abrangente que compara CNNs clássicas, redes eficientes, CNNs modernas e Transformers sob o mesmo protocolo experimental para classificação multi-doença.
• Reformulação do Protocolo CheXNet: Adaptação do framework CheXNet (originalmente multi-rótulo) para um paradigma de classificação de rótulo único, melhorando a interpretabilidade clínica para diagnósticos específicos.
• Análise de Compromisso (Trade-off): Estudo detalhado que correlaciona a complexidade do modelo (parâmetros) com a precisão diagnóstica e eficiência computacional, fornecendo diretrizes para implantação em diferentes cenários de recursos.

4. Resultados

• Desempenho Geral: Todas as sete arquiteturas atingiram acurácias de teste superiores a 90%.

  • Melhor Desempenho: O ConvNeXt-Tiny obteve a melhor acurácia de teste (92,31%) e o maior AUROC de validação (98,64%), superando modelos maiores como o ViT-B/16 e DenseNet201.
  • Eficiência: O MobileNetV2 destacou-se como a opção mais eficiente, com apenas 3,5 milhões de parâmetros e tempo de treino de 48 minutos. Apesar de ser o menor modelo, atingiu 90,42% de acurácia e um AUROC de 94,10%, representando 98,3% da precisão do melhor modelo com 87,5% menos parâmetros.
  • Transformers: O ViT-B/16, apesar de ter o maior número de parâmetros (85,8M), não superou as CNNs, sugerindo que, em conjuntos de dados médicos de tamanho moderado, os Transformers podem exigir mais dados ou pré-treinamento específico para superar o viés indutivo das CNNs.

• Desempenho por Doença:

  • Alta Precisão: Tuberculose e COVID-19 foram classificados com quase perfeição (AUROC ≥ 99,97%), devido às suas manifestações radiográficas distintas.
  • Desafios: A classe "Normal" apresentou o maior desafio, com confusão frequente entre "Normal", "Cardiomegalia" e "Pneumonia" inicial, refletindo a ambiguidade diagnóstica clínica inerente.

• Análise de Interpretabilidade (Grad-CAM):
  As visualizações de ativação do ConvNeXt-Tiny mostraram padrões de atenção clinicamente consistentes (ex: foco em opacidades para pneumonia, contorno cardíaco para cardiomegalia), validando que o modelo aprendeu características anatomicamente relevantes.

5. Significado e Conclusão
O estudo demonstra que é possível alcançar alta precisão na classificação multi-doença de radiografias de tórax sem a necessidade de recursos computacionais massivos.

• Implicações Práticas:
  • Para ambientes com recursos abundantes, o ConvNeXt-Tiny é recomendado pela máxima precisão.
  • Para ambientes limitados (dispositivos móveis, clínicas rurais), o MobileNetV2 oferece o melhor equilíbrio entre desempenho e eficiência.
  • O DenseNet121 permanece como uma opção robusta e equilibrada.
• Impacto: Os resultados apoiam a integração de IA como ferramenta de apoio ao diagnóstico em diversos cenários de saúde, desde hospitais de ponta até locais com poucos recursos.
• Limitações Futuras: O estudo baseia-se em dados públicos e classificação de rótulo único. Trabalhos futuros devem focar em validação multicêntrica, incorporação de metadados clínicos e abordagens de aprendizado multi-rótulo para maior generalização clínica.