Longitudinal Multi-View Breast Cancer Risk Prediction

Resumo Técnico: Modelagem Longitudinal Multiview para Predição de Risco de Câncer de Mama (LMV-Net)

Definição do Problema
A predição precisa do risco de câncer de mama a partir de mamografias de rastreamento é essencial para permitir intervalos de rastreamento personalizados e detecção precoce. Embora métodos recentes de aprendizado profundo tenham demonstrado o valor de dados longitudinais (comparando exames atuais e anteriores) e de um alinhamento temporal explícito, as abordagens existentes sofrem de limitações significativas. Os modelos atuais ou realizam o alinhamento explícito utilizando apenas uma única visão mamográfica (ex: CC ou MLO) ou modelam múltiplas visões sem o alinhamento longitudinal explícito. Consequentemente, esses métodos falham em explorar totalmente a informação espacial-temporal complementar utilizada na prática clínica, onde os radiologistas comparam tanto as visões Craniocaudal (CC) quanto a Mediolateral Oblíqua (MLO) ao longo do tempo para avaliar mudanças sutis no tecido.

Metodologia: LMV-Net
Os autores propõem a LMV-Net, um modelo de predição de risco longitudinal e multiview para a mama, projetado para analisar conjuntamente as visões anatomicamente complementares CC e MLO dentro de uma estrutura longitudinal explicitamente alinhada. A arquitetura consiste em seis estágios sequenciais:

1. Extração de Características: Um codificador de imagem compartilhado (baseado em um backbone ResNet-18, especificamente o codificador Mirai) extrai mapas de características de mamografias atuais e anteriores para ambas as visões, CC e MLO.
2. Alinhamento de Características Temporais: Para lidar com a deformação não rígida da mama, o modelo alinha explicitamente os mapas de características longitudinais no espaço de características. Ele utiliza um MammoRegNet pré-treinado e congelado para gerar campos de deformação baseados em imagens que registram as mamografias anteriores às atuais. Campos de deformação separados são estimados para cada visão (CC e MLO), e uma função de transformação espacial alinha os mapas de características anteriores aos atuais.
3. Subtração Temporal: Características de diferença específicas da visão são computadas subtraindo as características anteriores alinhadas das características atuais ($f_{diff} = f_{cur} - f_{pri-align}$). O codificação posicional é aplicada a essas características de diferença para considerar os intervalos de tempo variáveis entre os rastreamentos.
4. Concatenação de Características Temporais: As características atuais, as características anteriores alinhadas e as características de diferença são concatenadas ao longo da dimensão do canal para formar representações de características longitudinais ($f_{long}$) para cada visão, integrando aparência, contexto e mudança temporal.
5. Atenção de Fluxo Duplo (Dual Stream Attention): Um novo bloco de Atenção de Fluxo Duplo refina as características longitudinais. Este módulo emprega mecanismos paralelos:
   • Autoatenção (Self-Attention): Modela interações intra-visão de longo alcance para melhorar a coerência espacial dentro da mesma visão.
   • Cross-Attention: Aproveita as características da visão complementar (por exemplo, as características MLO como chaves/valores para o fluxo CC) para permitir uma atenção seletiva a regiões anatomicamente relevantes entre as visões.
   • Os resultados são fundidos via soma elemento a elemento, seguido por Normalização de Camada (Layer Normalization), DropPath (profundidade estocástica) e uma Rede Feed-Forward (FFN) com conexões residuais.
6. Fusão Final e Predição de Risco: As características refinadas de ambas as visões são agrupadas (pooled) e concatenadas em uma representação multiview fundida. Isso passa por uma camada de probabilidade cumulativa composta por camadas totalmente conectadas para prever os riscos em passos de tempo futuros (1–5 anos). O modelo é treinado usando uma perda de entropia cruzada binária dependente do tempo com mascaramento para pacientes censurados, empregando aprendizado conjunto multinível para capturar dependências entre as visões.

Principais Contribuições

1. Arquitetura LMV-Net: Um novo framework que facilita a integração multiview e de múltiplos pontos temporais via alinhamento explícito no espaço de características e fusão temporal cross-view, espelhando de perto o fluxo de trabalho dos radiologistas.
2. Bloco de Atenção de Fluxo Duplo: Um mecanismo que refina as características longitudinais de cada visão usando autoatenção e cross-attention paralelas, capturando efetivamente tanto as dependências intra-visão quanto a informação complementar inter-visão.
3. Validação Abrangente: Avaliação robusta nos conjuntos de dados EMBED e CSAW-CC, demonstrando melhorias consistentes de desempenho sobre os métodos de estado da arte.

Resultados
O modelo foi avaliado nos conjuntos de dados EMBED e CSAW-CC, comparando o desempenho contra baselines de estado da arte, incluindo Mirai, VMRA-MaR, OA-BreaCR e ImgFeatAlign.

• Desempenho Geral: A LMV-Net superou consistentemente todos os baselines em C-index e AUC para horizontes de risco de 1 a 5 anos em ambos os conjuntos de dados. No EMBED, a LMV-Net ajustada alcançou um C-index de 81,4% (1 ano) e 80,0% (5 anos), representando uma melhoria estatisticamente significativa ($p < 0,05$) de aproximadamente 6,7% sobre o melhor baseline. No CSAW-CC, alcançou um C-index de 74,4% (1 ano) e 73,5% (5 anos), com uma melhoria de 1,7% sobre o melhor baseline.
• Análise de Subgrupos: O modelo demonstrou robustez particular em cenários desafiadores, alcançando o C-index mais alto em quase todas as categorias de densidade mamária (baixa, média, alta) e tipos de câncer (invasivo vs. outros). As melhorias foram mais pronunciadas nos grupos de densidade média e alta.
• Estudos de Ablação: A remoção de componentes chave (alinhamento longitudinal, modelagem multiview, atenção de fluxo duplo ou ajuste fino do codificador) degradou consistentemente o desempenho, confirmando a necessidade de cada elemento arquitetural.
• Análise de Atenção: A visualização dos mapas de atenção revelou que o bloco de Atenção de Fluxo Duplo concentra uma densidade de atenção significativamente maior (8–10×) nas regiões tumorais em comparação com o tecido circundante, validando sua capacidade de focar em áreas clinicamente relevantes.

Significância e Alegações
O artigo afirma que a LMV-Net aborda uma lacuna crítica na predição de risco de câncer de mama ao integrar com sucesso o alinhamento longitudinal explícito com a análise multiview. Os autores afirmam que sua abordagem:

• Melhora a Estratificação de Risco: Ao aproveitar pistas espaço-temporais complementares, o modelo fornece avaliações de risco mais confiáveis, particularmente para mulheres com tecido mamário denso, onde a sensibilidade tradicional é reduzida.
• Imita o Fluxo de Trabalho Clínico: O alinhamento explícito e o processamento de dupla visão refletem como os radiologistas comparam exames anteriores e atuais, levando a uma extração de características mais clinicamente relevante.
• Permite o Rastreamento Personalizado: A melhoria na precisão da identificação de pacientes de alto risco apoia o desenvolvimento de estratégias de rastreamento personalizadas e uma alocação mais eficiente de recursos de rastreamento.

Os autores concluem que, embora seus resultados demonstrem o valor da modelagem conjunta longitudinal multiview, trabalhos futuros devem explorar a incorporação de múltiplos exames anteriores para um contexto temporal mais rico e avaliar métricas adicionais, como a AUC de Precisão-Recall, para lidar com o desequilíbrio de classes.