Opportunistic Cardiac Health Assessment: Estimating Phenotypes from Localizer MRI through Multi-Modal Representations

---

1. Problema e Motivação

As doenças cardiovasculares (DCV) são a principal causa de morte global. A avaliação precisa da saúde cardíaca depende de fenótipos cardíacos (CPs), como a fração de ejeção ventricular (LVEF, RVEF) e a massa ventricular (LVM). O padrão-ouro para extrair esses dados é a Ressonância Magnética Cardíaca Cine (CMR). No entanto, a CMR é:

• Custosa e demorada: Requer protocolos dedicados, alta resolução espaço-temporal e sincronização com ECG.
• Inacessível: Nem todos os pacientes têm acesso a um protocolo cardíaco completo.

Por outro lado, todo exame de Ressonância Magnética (RM) começa com localizadores (imagens rápidas e de baixa resolução usadas para planejamento). Embora descartados após o planejamento e sem informação temporal, eles contêm informações estruturais valiosas. Além disso, dados clínicos (metadados tabulares) e ECGs são rotineiramente coletados, baratos e ricos em informações funcionais e contextuais, mas não são suficientes sozinhos para quantificar CPs estruturais.

O Desafio: Como aproveitar as imagens de localizadores (rápidas e baratas), combinadas com ECG e dados tabulares, para estimar fenótipos cardíacos com precisão, servindo como uma ferramenta de triagem oportunística quando a CMR completa não está disponível?

---

2. Metodologia: Framework C-TRIP

Os autores propõem o C-TRIP (Cardiac Tri-modal Representations for Imaging Phenotypes), uma abordagem de aprendizado contrastivo multimodal que alinha três fontes de dados em um espaço latente unificado. O pipeline possui três estágios principais:

Estágio I: Modelagem de Dados Mascarados Unimodais (Pré-treinamento)

Três codificadores (encoders) independentes são pré-treinados usando Autoencoders de Máscara (MAEs) baseados em Vision Transformers (ViT) para cada modalidade:

1. Localizador (L): Imagens 2D. O modelo vê 25% dos patches e reconstrói 75% mascarados (Minimização de MSE).
2. ECG (E): Sinais temporais divididos em patches 1D não sobrepostos e reconstruídos para capturar dinâmicas temporais.
3. Dados Tabulares (T): Dados demográficos e clínicos (ex: IMC, sexo, histórico) projetados em um espaço de embedding uniforme. Numerical e categóricos são tratados com funções de perda específicas (MSE e Entropia Cruzada).

Estágio II: Aprendizado Contrastivo Multimodal (Alinhamento)

O objetivo é fundir os espaços latentes dos três codificadores pré-treinados.

• Estratégia Centralizada no Localizador: O localizador (L) atua como a modalidade âncora.
• Perda Contrastiva: Utiliza-se uma perda baseada em InfoNCE para alinhar as representações de L com E e T.
  • Alinha-se $L \leftrightarrow E$ e $L \leftrightarrow T$.
  • Importante: Não há alinhamento direto entre E e T ($E \leftrightarrow T$). Isso evita que o modelo aprenda "atalhos" (shortcuts) baseados apenas em dados não imagéticos e reduz a sobrecarga computacional.
• Objetivo: Empurrar embeddings de pacientes diferentes e puxar embeddings do mesmo paciente (com diferentes modalidades) para o mesmo espaço latente, enriquecendo as características anatômicas do localizador com informações funcionais (ECG) e contextuais (Tabela).

Estágio III: Inferência e Predição

• Um cabeçote de regressão (MLP) é anexado ao encoder do localizador.
• Inferência Exclusiva: Durante a fase de teste/inferência, o modelo prediz os fenótipos cardíacos apenas a partir da imagem do localizador. Os dados de ECG e tabela são usados apenas durante o treinamento para guiar o aprendizado do espaço latente.

---

3. Contribuições Chave

1. Alinhamento Tri-modal Centrado no Localizador: Utiliza localizadores rotineiros como fonte central de informação espacial barata, alinhando-os com dados funcionais (ECG) e contextuais (tabulares).
2. Treinamento Multimodal com Inferência Unimodal: O modelo aprende a partir de três fontes de dados, mas opera apenas com imagens de localizadores na prática clínica, maximizando a utilidade de dados já existentes.
3. Robustez em Regimes de Baixa Dados: O framework demonstra desempenho robusto mesmo quando apenas uma pequena fração dos dados (ex: 1%) está disponível para ajuste fino (fine-tuning).
4. Ferramenta de Triagem Oportunística: Propõe o uso de dados descartados (localizadores) para triagem de saúde cardíaca, aumentando a acessibilidade sem substituir a CMR diagnóstica.

---

4. Resultados

O modelo foi testado no UK Biobank (14.577 pacientes no treino, 3.123 no teste) comparando 18 fenótipos cardíacos.

• Desempenho Geral: O C-TRIP obteve os menores erros médios (MD) e intervalos de concordância (LoA) apertados, superando modelos unimodais (apenas localizador, apenas ECG, apenas tabela).
• Fenótipos Estruturais vs. Funcionais:
  • O C-TRIP alcançou correlações de Pearson > 0.70 para fenótipos estruturais (ex: LVM, RVEDV) mesmo com apenas 1% dos dados de ajuste fino.
  • Para fenótipos funcionais (ex: LVEF), o desempenho foi o segundo melhor, ficando atrás apenas da CMR completa (que possui informação temporal nativa).
• Análise de Atenção: Mapas de atenção mostraram que o C-TRIP foca corretamente nas estruturas cardíacas (ventrículos), enquanto modelos baseados apenas em localizadores (Lsup) tendiam a "vazar" atenção para estruturas não cardíacas (pulmões, parede torácica).
• Espaço Latente (UMAP): A visualização mostrou que as representações de Localizador e Tabela se fundiram fortemente (devido à correlação anatômica direta), enquanto o ECG manteve um cluster distinto, mas alinhado às tendências fenotípicas (ex: gradiente de massa ventricular).
• Ablação: A inclusão de dados tabulares sem injeção explícita de CPs (C-TRIP) foi superior à injeção explícita, indicando que o modelo aprendeu generalizações robustas sem vazar informações de resposta diretamente.

---

5. Significado e Conclusão

O estudo demonstra que é possível transformar imagens de localizadores descartadas em ferramentas de diagnóstico valiosas através de aprendizado multimodal.

• Impacto Clínico: O C-TRIP não visa substituir a CMR completa, mas atuar como uma ferramenta de triagem oportunística de baixo custo. Em cenários onde a CMR completa não é viável, o uso de localizadores + ECG + dados clínicos permite uma estimativa confiável de biomarcadores cardíacos.
• Eficiência de Dados: A capacidade de aprender com poucos dados de ajuste fino torna a solução viável para hospitais com recursos limitados.
• Limitações: O estudo utilizou dados do UK Biobank (um único fornecedor de scanner), o que pode limitar a generalização para scanners heterogêneos. Futuros trabalhos devem validar o modelo em ambientes clínicos mais diversos e com protocolos de localizador não padronizados.

Em resumo, o C-TRIP representa um avanço significativo na medicina de precisão acessível, transformando dados subutilizados em insights clínicos acionáveis para a detecção precoce de doenças cardiovasculares.