When Measurement Conventions Masquerade as Calibration Gains in Cardiac Digital Twins

Resumo Técnico: Quando Convenções de Medição se Mascaram como Ganhos de Calibração em Gêmeos Digitais Cardíacos

Problema
Os gêmeos digitais cardíacos dependem de um "operador de observação" ($H_{op}$) para mapear imagens clínicas (especificamente ecocardiogramas) em medições fisiológicas como a Fração de Ejeção (FE) do Ventrículo Esquerdo. Embora pipelines de aprendizado profundo recentes tenham avançado na precisão da segmentação (frequentemente medida por escores Dice), erros sistemáticos em $H_{op}$ podem enviesar atualizações de estado subsequentes, independentemente da qualidade do modelo subjacente.

O problema central identificado é que estudos de calibração frequentemente assumem uma convenção de referência fixa, levando a ganhos "fantasmagóricos". Especificamente, modelos avaliados contra rótulos clínicos de FE podem parecer melhorar a calibração simplesmente porque se alinham inadvertidamente com um descompasso de convenção de medição (ex: plano único vs. biplano) em vez de reduzirem genuinamente o erro de segmentação. Os autores argumentam que, sem o desmembramento das convenções de medição do desempenho do modelo, os pipelines de gêmeos digitais correm o risco de incorporar vieses estruturados que distorcem a estimativa do estado fisiológico.

Metodologia
Os autores realizaram uma auditoria dos operadores de observação de FE utilizando quatro arquiteturas front-end que compartilham um backbone U-Net, aplicadas a dois conjuntos de dados principais: CAMUS e EchoNet-Dynamic.

1. Modelos Avaliados:
   • B1: Segmentação quadro a quadro (frame-wise).
   • B2: Segmentação com suavização entre quadros adjacentes.
   • P1: Combina FiLM (Feature-wise Linear Modulation) com um cabeçalho de fase (phase head).
   • P2: Adiciona consistência cíclica entre pacientes e média EMA do tipo Mean-Teacher.
2. Operador de Observação: Um método de aproximação de método de discos de plano único foi utilizado para extrair volumes e FE de clipes de quatro câmaras apicais para todos os modelos.
3. Métricas de Avaliação:
   • $EF_{MAE_{gt}}$: Erro contra máscaras de verdade fundamental (ground-truth) processadas pelo mesmo extrator (isolando o erro de segmentação).
   • $EF_{MAE_{clin}}$: Erro contra rótulos clínicos de FE (incluindo o descompasso de convenção).
   • Análise de Viés: Quantificação da lacuna entre os outputs do extrator de plano único e as referências clínicas biplanas.
4. Conjuntos de Dados:
   • CAMUS: Avaliado em um subconjunto de teste ($n=50$). A FE clínica é biplana (visões de 2 e 4 câmaras), enquanto o extrator utiliza apenas a visão de 4 câmaras, criando um descompasso de plano conhecido.
   • EchoNet-Dynamic: Avaliado no split de teste oficial ($n=1.287$). Rótulos e extrator são ambos de plano único (4 câmaras), servindo como uma replicação alinhada ao plano para testar se os "ganhos" persistem quando o descompasso dominante é removido.

Principais Contribuições

1. Auditoria do Operador de Observação de FE: Um framework para distinguir melhorias genuínas do modelo de artefatos causados por descompassos entre a convenção de medição e a referência.
2. Evidência de Confundimento de Convenção: Demonstração de que os aparentes ganhos de calibração de modelos condicionados por fase (P1/P2) no CAMUS são amplamente explicados pela lacuna entre as medições de FE de plano único e biplano, não por uma melhoria na segmentação.
3. Replicação Negativa: Uma replicação alinhada ao plano no EchoNet-Dynamic mostrando que a "vantagem do condicionamento de fase" desaparece quando o descompasso de plano é removido e, em alguns casos, se inverte.
4. Protocolo de Auditoria de FE Consciente da Convenção (CAEA): Um protocolo de cinco etapas para evitar que modelos recebam crédito por ganhos de calibração causados pelo par medição-referência.

Resultos

• Descobertas no CAMUS: Modelos condicionados por fase (P1/P2) pareceram reduzir o viés em direção a zero quando comparados à FE clínica biplana, sugerindo um ganho de calibração. No entanto, quando avaliados contra máscaras de verdade fundamental processadas pelo mesmo extrator de plano único ($MAE_{gt}$), o erro foi estatisticamente indistinguível entre todos os modelos. Na verdade, o P1 apresentou o maior $MAE_{gt}$ e o viés mais negativo.
• A Lacuna de Convenção: O estudo quantificou o descompasso "plano único–biplano". A FE de plano único excedeu a FE clínica biplana em +6,30 pontos. Esse deslocamento explicou quase todo o viés basal observado no modelo B1. Uma vez subtraído esse componente de convenção, o viés residual de segmentação tornou-se estatisticamente indistinguível de zero.
• Descobertas no EchoNet-Dynamic: No cenário alinhado ao plano, os resultados do CAMUS não se replicaram. Os modelos basais (B1/B2) mostraram viés negativo, e os modelos condicionados por fase (P1/P2) não melhoraram o viés em relação aos basais. Além disso, P1 e P2 produziram estimativas de FE inválidas (onde $\hat{ESV} \ge \hat{EDV}$) em 10–20 casos, um risco de implantação não presente no B2.
• Implicações para o Fluxo de Trabalho (Downstream):
  • Hemodinâmica: Sob as condições do CAMUS, o viés de FE propagou-se para erros significativos no Volume Sistólico (SV) e Débito Cardíaco (CO) (até ~16-18% de erro). Sob as condições alinhadas do EchoNet, esses erros caíram para ~3–4%.
  • Atribuição de Estrato: O descompasso de convenção causou discordâncias frequentes na atribção de estratos de FE (ex: classificar um paciente como HFrEF vs. HFpEF), com taxas em torno de 44–54% para os modelos testados.
  • Predição Conformal: As larguras residuais foram significativamente maiores sob avaliação com confusão de convenção (CAMUS) em comparação com a avaliação alinhada ao plano (EchoNet), indicando que os resíduos de calibração contêm descompasso de referência estruturado, não apenas ruído de segmentação.

Significância e Alegações
O artigo alega que a suposta superioridade dos modelos condicionados por fase em literaturas anteriores pode ser um artefato de convenções de medição, e não um progresso algorítmico genuíno. Os autores afirmam que:

• Ganhos genuínos devem sobreviver ao alinhamento de plano: Um modelo só deve receber crédito por melhorias de calibração se o ganho persistir após o alinhamento do plano de medição e a auditoria das diferenças residuais em seleção de quadros, contornos e pré-processamento.
• O Dice é insuficiente: Uma alta sobreposição geométrica (Dice) não garante medições fisiológicas calibradas; pequenos deslocamentos de contorno na Diástole Final (ED) e Sístole Final (ES) podem ser amplificados pela razão de FE.
• Necessidade do Protocolo: O proposto Protocolo de Auditoria de FE Consciente da Convenção (CAEA) é essencial para separar a calibração genuína do operador de observação de artefatos de medição. Ele exige a verificação da consistência da semente, a caracterização dos deslocamentos de convenção e a replicação sob referências alinhadas antes de reivindicar melhorias de calibração.

Os autores concluem que, entre os front-ends avaliados, o B2 (com suavização de quadros adjacentes) é a opção mais implantável, pois suporta inferência em fluxo (streaming), não produz estimativas de FE inválidas e alcança o melhor desempenho em cenários alinhados ao plano. O estudo enfatiza que a calibração deve ser avaliada para o par completo "modelo–extrator–referência", e não apenas para a arquitetura do modelo.