Positional Segmentor-Guided Counterfactual Fine-Tuning for Spatially Localized Image Synthesis

1. Problema e Contexto

A geração de imagens contrafactuais é crucial para a medicina, permitindo simular cenários como "como evoluiria a doença se o tratamento A fosse aplicado em vez do B?". Embora métodos anteriores (como o Counterfactual Fine-Tuning ou CFT) tenham integrado modelos causais a geradores profundos, eles enfrentam limitações significativas:

• Foco Global: A maioria dos métodos atua em fatores de nível de sujeito (ex: idade, sexo) ou utiliza variáveis globais (ex: área total de placa), falhando em produzir alterações estruturais localizadas.
• Artefatos Globais: Métodos baseados em regressores (Reg-CFT) tendem a criar mudanças globais em vez de locais, pois os regressores exploram correlações espúrias ou pistas não locais (ex: brilho do vaso) em vez de sinais anatômicos específicos.
• Limitação do Seg-CFT: A abordagem anterior Segmentor-guided CFT (Seg-CFT) melhorou a coerência local usando máscaras de segmentação, mas ainda dependia de medições globais (ex: área total de placa), não permitindo especificar onde na imagem a mudança deve ocorrer.
• Dificuldade Prática: Usar máscaras de segmentação contrafactuais pré-definidas como guia é tedioso e impraticável, pois requer anotações pixel a pixel para cada cenário hipotético.

2. Metodologia: Pos-Seg-CFT

Os autores propõem o Positional Segmentor-guided Counterfactual Fine-Tuning (Pos-Seg-CFT), uma extensão simples e eficaz do Seg-CFT. A metodologia baseia-se nos seguintes pilares:

• Decomposição Espacial: Em vez de tratar uma estrutura como uma variável escalar global, o método divide cada estrutura anatômica em segmentos regionais disjuntos (ex: proximal, médio e distal em vasos sanguíneos).
• Medições Regionais Independentes: Para cada região $R_k$, calcula-se uma medição independente (ex: área de placa calcificada apenas na região proximal) somando as probabilidades de pixels dentro dessa máscara espacial.
• Guia por Segmentador Pré-treinado: O sistema utiliza um segmentador pré-treinado ($s_\psi$) com pesos congelados. Durante o fine-tuning, o modelo gera uma imagem contrafactual, o segmentador prediz o mapa de segmentação, e as medições regionais são extraídas somando os pixels nas regiões de interesse.
• Função de Perda de Ajuste Fino: O objetivo de treinamento minimiza a diferença entre as medições regionais preditas pela imagem gerada e os valores-alvo contrafactuais desejados. A função de perda é:
  $$L_{Pos-Seg-CFT} = \sum_{k=1}^{K} \mathcal{L}(\hat{pa}^{(k)}_x, f^{(k)}_x)$$
  Onde $\hat{pa}^{(k)}_x$ é a área predita na região $k$ e $f^{(k)}_x$ é o alvo contrafactual para aquela região.
• Vantagem Chave: O método não requer máscaras contrafactuais pré-definidas nem supervisão pixel a pixel. Ele permite intervenções espaciais direcionadas mantendo a simplicidade da supervisão escalar e reutilizando o mesmo modelo de segmentador.

3. Contribuições Principais

• Controle Espacial Fino: Introduz a capacidade de realizar intervenções causais localizadas em sub-regiões anatômicas específicas, superando a limitação de mudanças globais dos métodos anteriores.
• Coerência Anatômica: Garante que as alterações na imagem gerada sejam espacialmente consistentes com a intervenção pretendida, preservando a estrutura do resto da imagem.
• Eficiência e Praticidade: Elimina a necessidade de anotações manuais complexas para cenários contrafactuais, utilizando apenas um segmentador pré-treinado e congelado.
• Desemaranhamento (Disentanglement): Melhora a separação entre dependências espaciais, permitindo que o modelo aprenda a modificar uma região sem afetar indevidamente outras.

4. Resultados e Avaliação

O método foi validado em um conjunto de dados de Angiografia por Tomografia Computadorizada de Coronárias (CCTA), focando em três variáveis estruturais: área de placa calcificada (CPA), área de placa não calcificada (NCPA) e área do lúmen (LA).

• Configuração Experimental: As imagens foram divididas em regiões proximal, média e distal. O desempenho foi comparado com No-CFT (sem ajuste) e Reg-CFT (baseado em regressores).
• Métricas Quantitativas: A "efetividade" (alinhamento entre o alvo desejado e o resultado predito) foi medida.
  • O Pos-Seg-CFT superou consistentemente os baselines, apresentando os menores erros (valores em negrito na Tabela 1).
  • Enquanto o Reg-CFT reduziu alguns efeitos colaterais, ainda apresentava "vazamento" (leakage) posicional (ex: alterar a placa média afetava a região proximal).
  • O Pos-Seg-CFT reduziu drasticamente as ativações fora do alvo, mantendo mudanças fortes apenas na região intervencionada.
• Resultados Visuais: As imagens geradas mostraram modificações realistas e confinadas às regiões alvo. Os mapas de diferença confirmaram que o Pos-Seg-CFT evita alterações indesejadas em segmentos adjacentes, ao contrário do Reg-CFT, que gerava mudanças difusas.

5. Significado e Conclusão

O Pos-Seg-CFT representa um avanço significativo na modelagem causal para imagens médicas. Ao permitir intervenções localizadas e anatomicamente coerentes sem a necessidade de anotações pixel a pixel complexas, o método:

• Facilita a modelagem da progressão da doença com maior precisão espacial.
• Oferece uma ferramenta robusta para aumento de dados e mitigação de viés em cenários específicos de regiões anatômicas.
• Estabelece um novo padrão para geração interpretável em imagens médicas, onde a causalidade pode ser manipulada em nível de subestrutura, aproximando a IA de aplicações clínicas reais que exigem precisão anatômica.

Em resumo, o trabalho resolve o problema da falta de controle espacial em gerações contrafactuais, transformando modelos de "mudança global" em ferramentas de "intervenção local" precisas e clinicamente relevantes.