DermaFlux: Synthetic Skin Lesion Generation with Rectified Flows for Enhanced Image Classification

1. O Problema

O diagnóstico de câncer de pele, particularmente o melanoma, depende criticamente da classificação binária precisa de lesões (benignas vs. malignas). Embora modelos de aprendizado profundo tenham mostrado grande potencial, sua eficácia é limitada pela escassez de grandes conjuntos de dados clínicos diversificados e bem anotados.

• Desafios Específicos: A coleta de imagens dermatológicas enfrenta barreiras éticas, legais e de privacidade rigorosas. Isso resulta em conjuntos de dados públicos pequenos, desbalanceados (com menos casos malignos) e com variabilidade insuficiente em tons de pele e morfologia de lesões.
• Limitações das Soluções Atuais: Métodos de geração de dados sintéticos baseados em Diffusion Models (como o Stable Diffusion) têm sido utilizados, mas sofrem de duas falhas principais: (i) controle pouco confiável sobre atributos clinicamente significativos (como assimetria e irregularidade de borda) durante a síntese; e (ii) alinhamento semântico fraco entre descrições textuais e características visuais geradas, devido à dependência de processos estocásticos e codificadores de texto com capacidade limitada de contexto.

2. Metodologia: DermaFlux

Os autores propõem o DermaFlux, um framework de geração de imagens baseado em Fluxos Retificados (Rectified Flows), que oferece uma alternativa determinística e mais eficiente aos modelos de difusão tradicionais.

• Arquitetura Base: O sistema utiliza o Flux.1, um modelo pré-treinado que emprega um fluxo retificado em vez de difusão estocástica. O Flux.1 aprende um mapeamento de transporte determinístico entre uma distribuição de ruído gaussiano e a distribuição de dados reais, resultando em uma eficiência de amostragem superior.
• Adaptação Eficiente (LoRA): Para especializar o modelo para lesões dermatológicas sem re-treinar todo o modelo (que possui 12 bilhões de parâmetros), os autores utilizam Low-Rank Adaptation (LoRA). Apenas as camadas de atenção do transformador são ajustadas, preservando a capacidade generativa pré-treinada enquanto adicionam apenas ~612 milhões de parâmetros treináveis.
• Codificadores de Texto Duplos: O Flux.1 utiliza dois codificadores de texto (CLIP e T5-XXL), permitindo um condicionamento contextual mais rico e um melhor alinhamento texto-imagem.
• Criação do Conjunto de Dados (Dataset):
  • Coleta: Agregação de ~508.000 imagens de conjuntos de dados públicos (ISIC, Derm12345, PAD20, etc.), cobrindo imagens clínicas e dermoscópicas.
  • Geração de Legendas Estruturadas: Como os metadados originais carecem de descrições morfológicas detalhadas, os autores utilizaram o modelo de linguagem Llama 3.2 para gerar legendas sintéticas estruturadas.
  • Critérios Clínicos: As legendas são geradas seguindo os critérios ABCDE da dermatologia, focando especificamente em Assimetria, Irregularidade de Borda e Variação de Cor. Isso garante que as imagens sintéticas sejam semanticamente consistentes com a prática clínica.

3. Principais Contribuições

1. Construção de um Dataset de Grande Escala: Criação de um conjunto de dados aberto e curado com aproximadamente 500.000 pares imagem-texto, onde as legendas codificam explicitamente atributos clínicos críticos (assimetria, borda, cor).
2. Framework DermaFlux: Desenvolvimento de um gerador baseado em Fluxos Retificados que oferece uma alternativa determinística à geração baseada em difusão, permitindo maior controle sobre os atributos da lesão e alinhamento semântico.
3. Validação Experimental Robusta: Demonstração de que a classificação treinada com dados sintéticos do DermaFlux supera tanto a augmentação com dados reais limitados quanto métodos sintéticos baseados em difusão.

4. Resultados

Os autores avaliaram o desempenho através de experimentos de classificação binária (benigno vs. maligno) utilizando arquiteturas ResNeXt e Vision Transformer (ViT).

• Comparação com Modelos de Difusão:
  • Ao treinar classificadores apenas com dados sintéticos, o DermaFlux superou o gerador baseado em difusão (Derm-T2IM) em até 9% de precisão (no caso do ViT).
  • Ao augmentar conjuntos de dados reais limitados, houve um ganho de precisão de até 6%.
• Desempenho Absoluto:
  • Um modelo ViT pré-treinado no ImageNet, fine-tuned com apenas 2.500 imagens reais e 4.375 imagens sintéticas DermaFlux, alcançou 78,04% de precisão e um AUC de 0,859.
• Comparação com o Estado da Arte (SOTA):
  • O modelo DermaFlux-ViT superou os classificadores dermatológicos mais avançados existentes (como BiomedCLIP, MAKE e DermLIP) em 8 pontos percentuais de precisão.
  • A curva ROC do modelo proposto mostrou uma sensibilidade superior, aproximando-se de uma taxa de verdadeiros positivos (TPR) próxima a 1,0 com uma taxa de falsos positivos (FPR) de 0,75, o que é clinicamente vital para reduzir falsos negativos (lesões malignas não detectadas).

5. Significado e Impacto

O trabalho do DermaFlux representa um avanço significativo na interseção entre IA generativa e saúde digital:

• Superação da Escassez de Dados: Demonstra que dados sintéticos clinicamente estruturados podem compensar a falta de grandes conjuntos de dados anotados, permitindo o treinamento de modelos robustos com poucos dados reais.
• Controle Clínico: Ao integrar critérios dermatológicos (ABCDE) diretamente no processo de geração via legendas estruturadas, o modelo garante que a "alucinação" da IA seja clinicamente plausível e útil para treinamento médico.
• Eficiência Computacional e de Qualidade: A adoção de Fluxos Retificados em vez de difusão estocástica oferece um caminho mais eficiente e determinístico para a geração de imagens médicas de alta fidelidade.
• Aplicabilidade Clínica: A melhoria na separabilidade de classes (AUC mais alto) sugere que ferramentas de triagem baseadas em DermaFlux poderiam reduzir tanto o risco de perda de diagnósticos de melanoma quanto o número de encaminhamentos desnecessários para lesões benignas.

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