Benchmarking Foundation Models for Renal Lesion Stratification in CT

Resumo Técnico: Avaliação Comparativa de Modelos Fundamentais para Estratificação de Lesões Renais em TC

Declaração do Problema
A estratificação de lesões renais por meio de Tomografia Computadorizada (TC) é uma tarefa clinicamente crítica, porém com escassez de dados. Embora as diretrizes recomendem TC com contraste para caracterização de massas renais, a diferenciação não invasiva entre subtipos histológicos específicos (por exemplo, distinguir oncocitoma renal benigno de carcinoma de células cromófobas maligno, ou carcinoma papilar renal Tipo I de outras entidades) permanece desafiadora. Abordagens de aprendizado profundo mostraram-se promissoras, mas são frequentemente prejudicadas pela baixa prevalência de subtipos específicos, levando a conjuntos de dados com tamanhos de amostra negligenciáveis para condições raras (por exemplo, tão poucos quanto 17 casos em validação cruzada). Essa escassez limita a eficácia de redes neurais convolucionais (CNNs) padrão treinadas do zero. O surgimento de Modelos Fundamentais (FMs) médicos de código aberto oferece uma solução potencial ao aproveitar o pré-treinamento em larga escala para extrair representações de características robustas. No entanto, permanece incerto se essas representações pré-treinadas generalistas podem transferir-se efetivamente para tarefas específicas de classificação de lesões renais com restrições de dados, sem ajuste fino.

Metodologia
O estudo realizou uma avaliação comparativa rigorosa de três FMs médicos de código aberto contra baselines estabelecidas, utilizando um protocolo de sondagem de características congeladas.

• Conjuntos de Dados: O conjunto de treinamento compreendeu 2.854 lesões de 1.279 participantes, agregados de uma coorte interna (2007–2022) e do conjunto de dados KiTS23. Um conjunto de teste externo de 234 lesões de 140 exames de TC foi obtido do The Cancer Imaging Archive (TCIA). As lesões foram categorizadas em seis classes: cistos, carcinoma de células claras (ccRCC), carcinoma papilar renal (pRCC), carcinoma de células cromófobas (chrRCC), oncocitoma renal (RO) e "Outros".
• Seleção de Modelos: Três FMs foram avaliados: FMCIB (Foundation Model for Cancer Imaging Biomarkers), CT-FM (Vision Foundation Models for Computed Tomography) e MMM (MedicalMultitaskModeling).
• Estratégias Experimentais:
  1. Estratégia A (Aprendizado de Ponta a Ponta): Um ResNet-50 3D foi treinado do zero e comparado a um modelo FMCIB com ajuste fino seguindo recomendações arquitetônicas específicas (cabeça de classificação maior, taxas de aprendizado divididas).
  2. Estratégia B (Sondagem de Características Congeladas): O método principal de avaliação. Embeddings foram extraídos dos três FMs e de um pipeline de radiômica artesanal usando codificadores congelados. Essas características foram alimentadas em classificadores XGBoost.
• Pré-processamento: As imagens foram recortadas para as caixas delimitadoras das lesões com uma margem de 1 cm, redimensionadas para dimensões específicas do modelo (por exemplo, 50×50×50 voxels para FMCIB) e aumentadas. Características de radiômica foram extraídas usando PyRadiomics (107 características) a partir de volumes reamostrados e com janelamento.
• Avaliação: O desempenho foi medido usando a Área Sob a Curva Característica Operacional do Receptor (AUC) média macro e Precisão Média (AP). A validação interna utilizou validação cruzada de 10 dobras, enquanto a validação externa utilizou um conjunto TCIA retido com bootstrap não paramétrico para intervalos de confiança.

Principais Resultados
O estudo produziu duas descobertas primárias sobre o desempenho comparativo de FMs, aprendizado profundo do zero e radiômica:

1. Superioridade da Radiômica: A baseline de radiômica artesanal superou significativamente todas as abordagens de aprendizado profundo. No conjunto de teste externo, a radiômica alcançou uma AUC de 0,88 (AP 0,64). Isso foi estatisticamente superior ao Modelo Fundamental de melhor desempenho (MMM, AUC 0,77) com uma diferença média de 0,11 (IC 95% [0,03, 0,18], p=0,002).
2. Modelo Fundamental vs. ResNet Treinado do Zero: O desempenho dos embeddings congelados de FM (faixa de AUC de 0,69 a 0,77) foi comparável ao do ResNet-50 3D treinado do zero (AUC 0,72). Nenhuma diferença estatisticamente significativa foi encontrada entre os FMs e a baseline ResNet. Além disso, o ajuste fino do modelo FMCIB não produziu melhorias sobre o treinamento do ResNet do zero (AUC 0,68 vs. 0,64) e não conseguiu igualar o desempenho da abordagem de sondagem congelada (AUC 0,71).
3. Eficiência Computacional: Enquanto a baseline ResNet exigiu 16 horas de treinamento em GPU, o pipeline de sondagem de FM (especificamente MMM) exigiu apenas 2,5 horas para extração de características em uma CPU, com o treinamento subsequente do classificador levando meros segundos. Isso demonstra uma redução drástica na demanda de hardware para FMs.
4. Análise de Características: Visualizações UMAP indicaram que, enquanto cistos e ccRCC formaram clusters distintos em todos os embeddings, outros subtipos (pRCC, chrRCC, RO) mostraram sobreposição substancial. A análise de importância das características de radiômica revelou que as características de textura contribuíram mais (65%) para a decisão do classificador, seguidas por estatísticas de intensidade e forma.

Significado e Alegações
O artigo conclui que, embora os Modelos Fundamentais médicos ofereçam uma alternativa computacionalmente eficiente ao treinamento de redes profundas do zero em cenários com escassez de dados, eles ainda não superam as baselines de radiômica estabelecidas para estratificação de lesões renais.

Os autores argumentam que os embeddings generalistas atuais de FM falham em capturar a heterogeneidade fina de textura e forma necessária para discriminar entre subtipos histológicos específicos, que são os principais impulsionadores da dificuldade de classificação neste domínio. O estudo destaca que a interpretabilidade e a engenharia explícita de características de radiômica fornecem atualmente um sinal mais discriminativo do que as representações latentes de FMs generalistas.

Além disso, o artigo sublinha a falta de consenso sobre a utilização ótima a jusante de FMs médicos (por exemplo, tamanho de patch, reamostragem, agregação de características), sugerindo que as avaliações comparativas atuais refletem a variabilidade de implementação tanto quanto a capacidade arquitetônica. Os autores afirmam que, até que as lacunas de otimização sejam abordadas e protocolos de avaliação padronizados sejam estabelecidos, a radiômica permanece como o estado da arte para tarefas de classificação de lesões renais dependentes de textura. O estudo não alega que os FMs sejam obsoletos, mas sim que suas representações generalistas atuais são insuficientes para esta tarefa diagnóstica específica de alto risco e granularidade fina, sem adaptação específica ao domínio adicional.