A Unified Model for Highly Accurate ECG-Free Dynamic Coronary Roadmapping Using Spatio-Temporal Transformers

Resumo Técnico: Um Modelo Unificado para Roteamento Coronário Dinâmico Altamente Preciso e Livre de ECG Usando Transformers Espaço-Temporais

Definição do Problema

A Intervenção Coronária Percutânea (ICP) depende de injeções repetidas de agentes de contraste à base de iodo para visualizar as artérias coronárias e guiar dispositivos intervencionistas. Essa prática aumenta a exposição à radiação e o risco de nefropatia induzida por contraste, particularmente em pacientes com comprometimento renal. O Roteamento Coronário Dinâmico (DRM) oferece uma solução ao sobrepor um mapa de vasos angiográficos pré-computado à fluoroscopia ao vivo, reduzendo a necessidade de injeções repetidas de contraste.

No entanto, um DRM preciso requer um ajuste de fase cardíaca rigoroso entre a sequência angiográfica e a fluoroscopia ao vivo, bem como um rastreamento da ponta do cateter confiável para compensação de movimento. Os métodos existentes enfrentam limitações significativas:

• Dependência de ECG: Muitas abordagens dependem de sinais de ECG para o alinhamento de fase, que nem sempre estão disponíveis ou são confiáveis em ambientes clínicos.
• Carga de Anotação: Métodos de aprendizado profundo baseados em imagem frequentemente exigem anotações manuais densas e extensas (ex: máscaras de cateter) para aprender pistas de movimento, o que é trabalhoso e dispendioso.
• Complexidade Modular: Trabalhos anteriores tipicamente abordam o ajuste de fase e o rastreamento do cateter usando modelos separados, aumentando a complexidade computacional e dificultando o desempenho em tempo real.
• Descompasso de Domínio: Modelos pré-treinados em imagens naturais costumam falhar em capturar a dinâmica sutil entre quadros específica do movimento cardíaco em imagens de raios X.

Metodologia

Os autores propõem um framework de DRM unificado que realiza simultaneamente o ajuste de fase cardíaca e o rastreamento da ponta do cateter sem exigir sinais de ECG durante a inferência. A abordagem é estruturada em três estágios principais:

1. Pré-treinamento Espaço-Temporal:

   • Um codificador transformer espaço-temporal de larga escala é pré-treinado em 16 milhões de quadros de conjuntos de dados de angiografia e fluoroscopia não rotulados.
   • Este pré-treinamento permite que o modelo aprenda a dinâmica do movimento cardíaco detalhada e representações de características robustas específicas do domínio médico, abordando as limitações de modelos treinados em imagens naturais.

2. Pipeline de Treinamento Unificado:

   • Arquitetura: O modelo utiliza um codificador espaço-temporal compartilhado para extrair características de ambas as sequências de angiografia e fluoroscopia. Essas características são processadas por uma CNN leve para produzir embeddings de nível de quadro, que são então combinados com codificações posicionais aprendíveis e passados por camadas de autoatenção de múltiplas cabeças (MHA).
   • Tarefas Auxiliares: Para estabilizar o treinamento e eliminar a necessidade de anotações extensas de máscara de cateter, o modelo emprega duas tarefas auxiliares:
     • Detecção de Pico R de ECG: Uma tarefa de classificação binária que prevê picos R para fornecer uma pista temporal esparsa, porém forte, para a fase cardíaca.
     • Rastreamento da Ponta do Cateter: Uma tarefa de regressão de mapa de calor. Como as anotações completas são escassas, os autores utilizam um modelo HiFT (Historical Feature Guided Tracker) pré-treinado para gerar pseudo-rótulos para quadros não anotados.
   • Função de Perda: A perda total é uma soma ponderada da perda de detecção de pico R (entropia cruzada binária de peso adaptativo), da perda de ajuste de fase cardíaca (perda triplet) e da perda de rastreamento da ponta do cateter (perda Dice).

3. Estratégia de Inferência:

   • Fase Offline: Um modelo de detecção de contraste identifica um ciclo cardíaco na sequência de angiografia. Uma janela temporal de 10 quadros é usada para pré-computar e armazenar os embeddings da angiografia e os mapas de vasos (roadmaps).
   • Fase Online: Uma janela deslizante de 10 quadros de fluoroscopia é processada em tempo real. O modelo computa os embeddings para o quadro atual e os combina com todos os embeddings de angiografia armazenados usando similaridade de cosseno.
   • Votação por Maioria: Para aumentar a robustez, uma estratégia de pós-processamento de votação por maioria agrega as predições da janela temporal. Isso gera um escore de confiança baseado na frequência de votação, que se correlaciona com o erro de ajuste de fase.

Principais Contribuições

• Primeiro Pré-treinamento Espaço-Temporal para DRM: Este trabalho introduz o primeiro uso de um codificador espaço-temporal pré-treinado em 16 milhões de quadros médicos para compensação de movimento cardíaco em DRM, alcançando um desempenho de ajuste de fase superior aos métodos existentes.
• Framework Unificado com Eficiência de Anotação: Ao integrar a detecção de pico R de ECG e o rastreamento da ponta do cateter (usando pseudo-rótulos) como tarefas auxiliares, o modelo alcança convergência estável sem exigir extensas anotações manuais de máscara de cateter.
• Arquitetura Unificada em Tempo Real: O design realiza conjuntamente o ajuste de fase e o rastreamento do cateter em um único modelo, reduzindo significativamente a latência de inferência em comparação com abordagens sequenciais de dois estágios.
• Pós-processamento Consciente de Confiança: A estratégia de votação por maioria não apenas melhora a robustez, mas também fornece um escore de confiança que se correlaciona inversamente com o erro de ajuste de fase, oferecendo um mecanismo prático para estimativa de incerteza em contextos clínicos.

Resultados

Avaliações abrangentes em conjuntos de dados de raios X clínicos demonstram o seguinte:

• Precisão de Ajuste de Fase: O método proposto atinge o estado da arte com um erro de distância média de 56,31 ms (4,38% do ciclo cardíaco) e um desvio padrão de 0,66 quadros. Isso supera os baselines que utilizam CNNs pré-treinadas no ImageNet, DINOv2 e abordagens anteriores de perda triplet (AIT).
• Robustez: O modelo mantém um erro de distância abaixo de um quadro em aproximadamente 82% dos casos de teste. O escore de confiança prevê efetivamente a magnitude do erro; predições com altos escores de confiança (>0,8) exibem erros medianos próximos de zero.
• Rastreamento do Cateter: Sob inicialização automática, o modelo unificado atinge um erro de rastreamento médio de 1,58 mm, o que é estatisticamente comparável ao baseline HiFT (1,45 mm) que requer inicialização manual, apesar de o modelo unificado depender de pseudo-rótulos.
• Eficiência: A formulação unificada de estágio único melhora significativamente o rendimento (throughput), operando a até 84 fps para backbones baseados em CNN, comparado aos ~20 fps em pipelines sequenciais de dois estágios.

Significância e Alegações

O artigo afirma que este trabalho representa um passo significativo em direção a um roteamento coronário dinâmico prático, em tempo real e totalmente automatizado. Ao alavancar o pré-treinamento espaço-temporal de larga escala e tarefas auxiliares cuidadosamente desenhadas, o framework consegue reduzir a dependência de dados rotulados extensos e sinais de ECG externos.

Os autores enfatizam que sua abordagem:

1. Generaliza melhor através de diversas condições de imagem e padrões de movimento cardíaco em comparação com modelos pré-treinados em imagens naturais.
2. Viabiliza a implantação clínica ao fornecer um escore de confiança que permite aos operadores avaliar a confiabilidade da saída do sistema.
3. Equilibra precisão e eficiência, oferecendo uma solução unificada que é tanto computacionalmente eficiente quanto altamente precisa, tornando-a adequada para integração em fluxos de trabalho intervencionistas ao vivo.

O artigo conclui modestamente, reconhecendo que, embora o erro médio seja baixo, ainda persistem valores discrepantes (outliers) em casos desafiadores (ex: ângulos de visão extremos ou corte parcial de vasos). Trabalhos futuros podem exigir estratégias de robustez adicionais, como tarefas auxiliares mais avançadas (ex: detecção de fio guia) ou otimização multitarefa mais avançada, para fechar a lacuna restante para uma implantação clínica totalmente confiável.