Optimizing In Vivo Oral Lesion Classification from Electrical Impedance Spectroscopy Using Data-driven Approaches

Resumo Técnico: Otimização da Classificação de Lesões Orais In Vivo a partir de Espectroscopia de Impedância Elétrica Usando Abordagens Baseadas em Dados

Declaração do Problema
O carcinoma de células escamosas oral (OSCC) representa um significativo fardo global de saúde, onde o diagnóstico em estágios tardios correlaciona-se com maior mortalidade e morbidade. Embora a detecção precoce melhore drasticamente as taxas de sobrevivência em cinco anos (de ~58% para ~89%), a triagem de primeira linha atual depende de biópsias invasivas e histopatologia, que sofrem de variabilidade interobservador na graduação de displasia e acessibilidade limitada em ambientes de atenção primária. A Espectroscopia de Impedância Elétrica (EIS) oferece uma alternativa não invasiva capaz de caracterizar a arquitetura tecidual. No entanto, a adoção clínica é dificultada por duas barreiras: (1) a dificuldade em distinguir de forma confiável lesões de alto risco (OSCC e displasia de alto grau) de lesões de baixo risco (tecido saudável ou benigno) usando dados complexos e de alta dimensionalidade, e (2) a falta de saídas interpretáveis e acionáveis para clínicos não especialistas. Estudos existentes frequentemente utilizam tamanhos de amostra pequenos ou análises baseadas em frequência única/limiar que não aproveitam a rica informação contida em conjuntos de dados multieletrodos e multifrequência.

Metodologia
O estudo apresenta um pipeline de aprendizado de máquina (ML) projetado para otimizar a classificação de patologia oral in vivo usando dados de um dispositivo portátil de EIS com 32 canais.

• Aquisição de Dados: Medições de impedância foram coletadas de 104 pacientes (276 sítios de amostragem independentes) submetidos a ressecção ou biópsia de câncer oral. O dispositivo utilizou uma grade 5×5 de eletrodos de detecção de tensão cercada por oito eletrodos de injeção de corrente, gerando 7.728 permutações únicas de injeção de corrente/medição de tensão (IIVV) em 31 frequências espaçadas logaritmicamente (100 Hz a 100 kHz).
• Pré-processamento: Os dados passaram por filtragem baseada em tensão e impedância para remover artefatos. Um limiar de completude ($C_{th} = 60\%$) foi aplicado para garantir a qualidade dos dados, resultando em 256 amostras viáveis. A normalização Z-score foi aplicada por frequência para evitar viés em direção a características de alta magnitude.
• Tarefas de Classificação: Três tarefas foram avaliadas:
  1. Binária: Saudável vs. Câncer.
  2. Multiclasse: Câncer, Displasia de Alto Grau e Não Maligno.
  3. Multiclasse: Saudável, Câncer, Displasia de Alto Grau e Não Maligno.
• Redução de Dimensionalidade e Otimização:
  • Redução de Frequência: Análise de Componentes Principais (PCA) foi usada para classificar as frequências por sua contribuição na separação de classes.
  • Redução de Padrões IIVV: Treze máscaras baseadas em geometria (por exemplo, "Skip1 far", "Opposite medium") e um método de limiar z foram testados para identificar configurações de eletrodos informativas.
  • Seleção de Modelo: Máquinas de Vetor de Suporte (SVM), Florestas Aleatórias (RF) e Regressão Logística (LR) foram treinadas. Hiperparâmetros foram ajustados via busca em grade.
• Validação: Uma estratégia de validação cruzada leave-one-patient-group-out (LOPGO-CV) foi empregada para garantir robustez e evitar vazamento de dados, assegurando que os modelos fossem testados em pacientes não vistos.

Principais Contribuições

1. Redução Sistemática de Dimensionalidade: O estudo demonstra que a dimensionalidade de entrada pode ser reduzida em até 99% (de ~239.000 características para <1.800) sem sacrificar, e frequentemente melhorando, a precisão diagnóstica.
2. Seleção Otimizada de Características: O pipeline identifica subconjuntos específicos de frequências e padrões IIVV que carregam a maior informação diagnóstica. Por exemplo, os padrões IIVV "Skip1 far" e "Opposite medium" foram consistentemente os de melhor desempenho.
3. Framework Clínico Interpretável: Ao utilizar modelos clássicos de ML (SVM, RF, LR) em vez de aprendizado profundo, o estudo prioriza a eficiência computacional e a interpretabilidade, fornecendo saídas adequadas para a tomada de decisão clínica em tempo real.
4. Validação Robusta: O uso de validação cruzada rigorosa ao nível do paciente aborda as limitações de estudos anteriores que podem ter sofrido de vazamento de dados ou tamanhos de amostra pequenos.

Resultados

• Classificação Binária (Tarefa 1): Um modelo de Regressão Logística alcançou a maior precisão de 80% com uma Área Sob a Curva (AUC) de 0,90. Isso foi alcançado usando apenas 8 frequências de melhor classificação e o conjunto de padrões IIVV "Skip1 far" (1.792 parâmetros de entrada, <1% da linha de base).
• Classificação Multiclasse:
  • Tarefa 2 (Tipo de Lesão): O melhor modelo (LR) alcançou um AUC de 0,82.
  • Tarefa 3 (Patologia Completa): O melhor modelo (RF) alcançou um AUC de 0,83.
• Desempenho vs. Linha de Base: Modelos otimizados usando conjuntos de características reduzidos geralmente igualaram ou superaram modelos de linha de base treinados no conjunto de dados completo. Por exemplo, na Tarefa 1, o modelo reduzido melhorou o AUC de 0,88 (SVM de linha de base) para 0,90.
• Eficiência: Reduzir o número de frequências de 31 para 5 (os de melhor desempenho) reduziu o tempo de aquisição de dados de 8 segundos para 4 segundos por medição. A redução na dimensionalidade de entrada diminuiu significativamente os custos computacionais para SVMs, permitindo tempos de previsão mais rápidos (~0,01s por previsão).

Significado e Alegações
O artigo afirma que este trabalho avança a detecção de câncer baseada em EIS ao fornecer um framework robusto, computacionalmente eficiente e clinicamente prático.

• Superação de Barreiras: A metodologia aborda diretamente as barreiras à adoção clínica, permitindo a discriminação confiável entre lesões de alto e baixo risco e fornecendo saídas interpretáveis para clínicos.
• Generalizabilidade: Os autores afirmam que a metodologia é prontamente generalizável para outros dispositivos e aplicações de EIS.
• Limitações Modestas: O artigo reconhece que o desempenho de classificação para lesões intermediárias (displasia de alto grau e não maligna) permanece inferior ao da detecção binária de câncer, destacando a necessidade de conjuntos de dados maiores com mais amostras não cancerosas. Nota explicitamente que modelos de aprendizado profundo (CNNs) não foram usados devido ao risco de sobreajuste dado a relação característica-amostra, e que a análise atual é offline, embora a implementação em tempo real seja considerada viável.
• Impacto Clínico: O estudo conclui que dispositivos de EIS simplificados e custo-efetivos usando este pipeline poderiam fornecer diagnóstico e vigilância rápidos e não invasivos de câncer oral, apoiando decisões de encaminhamento ou biópsia confiantes em ambientes odontológicos e de atenção primária.