Evidence-Based Text-Conditioned 3D CT Synthesis for Ovarian Cancer

Resumo Técnico: Síntese de TC 3D Condicionada por Texto Baseada em Evidências para Câncer de Ovário

Definição do Problema
O câncer de ovário é frequentemente diagnosticado em estágios avançados, tornando a tomografia computadorizada (TC) com contraste pré-operatória crítica para o estadiamento e o planejamento cirúrgico. No entanto, o desenvolvimento de modelos de aprendizado profundo generalizáveis neste domínio é dificultado pela escassez de dados de imagem anotados e pelas rigorosas regulamentações de privacidade (ex: GDPR) que limitam o compartilhamento de dados. Embora a síntese de TC 3D condicionada por texto tenha mostrado promessa para gerar dados sintéticos, as abordagens existentes dependem de relatórios radiológicos pareados e foram avaliadas exclusivamente em TC de tórax. A transferência desses métodos para a oncologia abdomino-pélvica é obstruída pelo tamanho menor dos conjuntos de dados, maior complexidade anatômica e pela falta de relatórios radiológicos padronizados e acessíveis em muitos ambientes institucionais.

Metodologia: Estrutura OvESyn
Os autores propõem o OvESyn (Ovarian Evidence-based Synthesis), uma estrutura projetada para gerar volumes de TC 3D condicionados por texto para carcinoma de ovário seroso de alto grau (HGSOC) sem a necessidade de relatórios radiológicos originais. O pipeline consiste em duas etapas sequenciais:

1. Geração de Relatório Estruturado (Condicionamento Baseado em Evidências):
   Em vez de recuperar textos de relatórios existentes, o sistema constrói seções padronizadas de "Achados" (Findings) e "Impressão" (Impression) algoritmicamente.

   • Entrada: Recebe um volume de TC 3D, segmentações automáticas de tumor (via OvSeg), segmentações automáticas de órgãos (via TotalSegmentator) e duas variáveis de metadados clínicos de rotina: estágio FIGO e status de ascite.
   • Extração de Características: Descritores de imagem são computados deterministicamente usando PyRadiomics. Estes incluem estatísticas de intensidade (média de HU, percentis, heterogeneidade), características morfológicas (volume, diâmetro, esfericidade) e contexto espacial (órgãos adjacentes).
   • Serialização: Essas características estruturadas e variáveis clínicas são alimentadas em um modelo de linguagem de grande escala (Qwen2.5-14B-Instruct) através de templates de prompt específicos para gerar um relatório padronizado no estilo radiológico.

2. Adaptação de Difusão Latente Condicionada por Texto:
   O relatório gerado condiciona um modelo de difusão latente adaptado ao domínio do câncer de ovário.

   • Arquitetura: O sistema utiliza uma arquitetura 3D-CLIP para alinhamento visão-linguagem e um modelo de difusão latente (baseado em MAISI VAE e 3D U-Net) para geração.
   • Estratégia de Adaptação: Os autores investigam dois eixos de adaptação:
     • Alinhamento Visão-Linguagem: O codificador 3D-CLIP é ajustado (fine-tuned) usando Adaptação de Baixo Posto (LoRA) para alinhar os embeddings de texto gerados com o domínio de TC alvo.
     • Ajuste do Gerador: O gerador 3D U-Net é totalmente ajustado (não apenas LoRA) para aprender a distribuição volumétrica específica abdomino-pélvica, uma vez que o pré-treinamento foi realizado em TC de tórax.

Principais Contribuições

• Pipeline de Condicionamento Livre de Relatórios: Um método inovador para gerar texto de condicionamento padronizado diretamente de evidências de imagem e metadados de rotina, removendo a dependência de relatórios radiológicos pareados.
• Primeira Adaptação Abdomino-Pélvica: A primeira adaptação sistemática de uma estrutura de geração de TC 3D condicionada por texto para um cenário oncológico abdomino-pélvico, demonstrada em uma coorte de 493 pacientes com HGSOC.
• Assimetria Funcional da Adaptação: Um estudo de ablação controlado revelando papéis distintos para os dois eixos de adaptação:
  • Ajuste do Gerador: Identificado como o mecanismo operativo para atravessar o hiato de domínio. É necessário e suficiente para estabelecer a estrutura anatômica (macro) correta (abdomino-pélvica vs. torácica).
  • Alinhamento do Codificador: Atua como um refinamento complementar para intensidade e detalhes finos, melhorando o realismo por amostra (Precisão), mas não estabelecendo a estrutura anatômica por si só.

Resultados
Avaliado em um conjunto de teste de 76 pacientes, o estudo demonstra:

• Transferência de Domínio: Sem o ajuste do gerador (OvESyn∅ e OvESynC), o modelo falha em atravessar o hiato de domínio, produzindo anatomia torácica (campos pulmonares) independentemente do alinhamento do codificador. A Precisão e o Recall colapsam para zero, e o FID2.5D excede 140.
• Coerência Anatômica: O ajuste total do gerador (OvESynU) gera com sucesso uma anatomia abdomino-pélvica reconhecível, reduzindo o FID2.5D para ~31,7.
• Refinamento via Alinhamento: Adicionar o alinhamento do codificador ao gerador ajustado (Full OvESyn) melhora ainda mais a fidelidade de distribuição e intensidade. O modelo completo atinge o melhor FID2.5D (29,35), Precisão (0,671) e distância de Wasserstein-1 (0,044).
• Troca entre Fidelidade e Cobertura: Enquanto o modelo completo maximiza a fidelidade, a variante com apenas adaptação do gerador (OvESynU) alcança maior cobertura (Recall 0,645 vs. 0,421). Os autores atribuem isso à diversidade limitada dos relatórios de condicionamento na coorte homogênea, onde o forte alinhamento do codificador estreita a distribuição de saída.
• Comparação: O OvESyn supera significativamente uma versão adaptada do MedSyn (um modelo de síntese de TC de tórax de múltiplos estágios) em todas as métricas.

Significância e Alegações
O artigo afirma que o OvESyn fornece uma base reprodutível e institucionalmente transferível para a geração de coortes sintéticas em oncologia abdomino-pélvica. Sua principal significância reside em demonstrar que a síntese condicionada por texto é alcançável em configurações de escassez de dados e de relatórios, derivando sinais de condicionamento algoritmicamente a partir de segmentações automáticas e metadados de rotina.

Os autores enquadram o trabalho modestamente como um "primeiro passo" para a síntese volumétrica condicionada por texto neste domínio. Eles declaram explicitamente que a avaliação atual foca no realismo de distribuição e na fidelidade de intensidade, não na validade clínica de lesões individuais. Eles observam que a implantação clínica requer validação adicional, incluindo avaliação por radiologistas especialistas (testes de Turing visuais) e testes de utilidade downstream (ex: melhoria no desempenho de segmentação ou classificação), que estão fora do escopo atual. O trabalho estabelece que a adaptação de domínio do gerador é o fator crítico para a correção anatômica, enquanto o alinhamento do codificador serve como uma ferramenta de refinamento, oferecendo um princípio de design para futuros modelos generativos de imagem médica condicionadas por texto.