Bridging the Rural Healthcare Gap: A Cascaded Edge-Cloud Architecture for Automated Retinal Screening

Resumo Técnico: Preenchendo a Lacuna na Atenção à Saúde Rural via Cadeia Edge-Cloud para Rastreamento Retiniano

Declaração do Problema
A Retinopatia Diabética (RD) é uma das principais causas de cegueira evitável, no entanto, as regiões rurais frequentemente carecem dos especialistas e da infraestrutura necessários para a detecção precoce. Embora os sistemas de aprendizado profundo baseados em nuvem ofereçam alta precisão, eles enfrentam três barreiras críticas em ambientes rurais com baixa conectividade:

1. Latência e Largura de Banda: Imagens de fundo de olho de alta resolução (5–20 MB) causam atrasos significativos ao serem enviadas por links de baixa largura de banda.
2. Custo: Em regiões onde os dados são medidos, o envio repetido de imagens impõe custos operacionais proibitivos para pequenas clínicas.
3. Confiabilidade da Conexão: Sistemas dependentes de nuvem falham completamente em áreas com acesso à internet intermitente, conforme observado em implantações anteriores (por exemplo, Google-Tailândia).

Por outro lado, modelos pequenos de borda (edge) podem operar localmente sem dependência de rede, mas frequentemente carecem da capacidade para classificação detalhada de gravidade. O artigo aborda a necessidade de um sistema que equilibre a alta precisão dos modelos em nuvem com as restrições operacionais dos ambientes de borda rurais.

Metodologia: Uma Cadeia Edge-Cloud de Dois Níveis
Os autores propõem uma arquitetura em cascata avaliada no conjunto de dados público APTOS 2019 Blindness Detection (3.662 imagens de fundo de olho). O sistema opera sob um princípio de "do grosseiro ao fino", aproveitando quatro assimetrias-chave: dificuldade da tarefa, requisitos operacionais, distribuição populacional (onde ~59% dos casos são não referenciáveis) e o custo assimétrico de erros (um falso negativo na borda é mais prejudicial do que um falso positivo).

O pipeline consiste em dois níveis distintos:

• Nível 1 (Triagem na Borda):

  • Modelo: Um modelo leve MobileNetV3-small executando localmente em um dispositivo de clínica.
  • Tarefa: Triagem binária para distinguir entre RD Não Referenciável (Classes ICDR 0–1) e RD Referenciável (Classes ICDR 2–4).
  • Pré-processamento: Utiliza um pipeline determinístico (recorte automático via limiarização do canal vermelho, redimensionamento que preserva a proporção, preenchimento zero até 512×512 e normalização ImageNet) específico para o checkpoint MobileNetV3.
  • Lógica de Decisão: O modelo gera uma pontuação de referenciabilidade. Um limiar de alta sensibilidade ($\sigma(z) \ge 0,6977$) é ajustado no conjunto de validação para minimizar falsos negativos. Imagens previstas como não referenciáveis são atribuídas à saída local "Classe 0–1" e interrompem o processamento. Imagens previstas como referenciáveis são encaminhadas para o Nível 2.

• Nível 2 (Classificação de Gravidade na Nuvem):

  • Modelo: Um grande Vision Transformer (ViT-L/14) RETFound-DINOv2 executando na nuvem.
  • Tarefa: Classificação ordinal de gravidade (Classes 0–4) para imagens encaminhadas pelo Nível 1.
  • Pré-processamento: Utiliza um pipeline distinto (recorte de fundo de olho, redimensionamento para 392×392 e normalização) compatível com o backbone RETFound.
  • Treinamento: O modelo é parcialmente ajustado (os dois últimos blocos de transformadores e a cabeça) usando Erro Quadrático Médio (MSE) contra as classes ICDR inteiras.
  • Capacidade de Sobrescrita: O modelo em nuvem pode sobrescrever a decisão da borda. Se uma imagem for encaminhada como "referenciável" mas o modelo em nuvem a classificar como 0 ou 1, a saída final é corrigida para a classe não referenciável.

Principais Contribuições

1. Design de Arquitetura: Uma nova cascata de dois níveis que reduz a dependência da nuvem filtrando casos não referenciáveis na borda, especificamente adaptada para fluxos de trabalho rurais com recursos limitados.
2. Triagem de Alta Sensibilidade: Demonstração de que um modelo local leve pode alcançar sensibilidade quase perfeita (98,99%) para detecção de RD referenciável, garantindo que nenhum caso grave seja perdido antes de chegar à nuvem.
3. Compromisso Desempenho-Eficiência: Quantificação do compromisso entre utilização da nuvem e precisão da classificação, mostrando que economias significativas de largura de banda podem ser alcançadas com degradação mínima de desempenho.

Resultados
Avaliado em uma divisão de teste estratificada de 733 imagens do conjunto de dados APTOS 2019:

• Desempenho do Nível 1: Alcançou 98,99% de sensibilidade (perdendo apenas 3 dos 298 casos referenciáveis) e 84,37% de especificidade. Isso confirma a eficácia do modelo local como um guardião de segurança.
• Utilização da Nuvem: A cadeia encaminhou apenas 49,52% das imagens de teste para a nuvem, reduzindo efetivamente as chamadas à nuvem em 50,48% em comparação com uma linha de base apenas em nuvem.
• Precisão de Ponta a Ponta: No espaço de saída de 4 classes implantado (Classe 0–1, 2, 3, 4), a cadeia alcançou 80,49% de precisão e um Kappa Ponderado Quadrático (QWK) de 0,8167.
• Comparação com a Linha de Base: A linha de base apenas em nuvem (processando 100% das imagens) alcançou 80,76% de precisão e um QWK de 0,8184. A cadeia manteve desempenho quase idêntico (uma queda negligenciável de ~0,27% na precisão e 0,0017 no QWK) enquanto reduzia pela metade o uso da nuvem.

Significado e Alegações
O artigo afirma que essa abordagem em cascata oferece uma solução de viabilidade retrospectiva para a tele-oftalmologia rural. Ao transferir a maioria dos casos não referenciáveis para um modelo leve de borda, o sistema reduz significativamente os custos de transmissão de dados e a latência sem comprometer a detecção de casos graves ou a precisão geral da classificação.

Os autores declaram explicitamente modéstia em relação às suas alegações:

• Os resultados não são validação clínica, mas evidência retrospectiva baseada em um conjunto de dados público.
• O estudo não inclui benchmarks formais para latência de CPU ou uso de memória em dispositivos de borda reais.
• Trabalhos futuros são necessários para testar o fluxo de trabalho em ambientes rurais reais, medir a largura de banda em nível de byte e validar em conjuntos de dados externos.

O significado central reside em demonstrar que uma estratégia "filtro primeiro" pode tornar a triagem por IA de alta precisão viável em ambientes de baixa conectividade onde sistemas apenas em nuvem são atualmente impraticáveis.