Data quality biases normative models derived from fetal brain MRI

Resumo Técnico: Modelos Normativos de Vieses de Qualidade de Dados Derivados de RM Fetal

Definição do Problema
A modelagem normativa tornou-se uma abordagem padrão para caracterizar trajetórias de crescimento típicas e identificar o neurodesenvolvimento atípico, particularmente no contexto do desenvolvimento cerebral fetal utilizando ressonância magnética (RM) adquirida in utero. Embora a literatura recente enfatize que amostras grandes são essenciais para uma estimativa de centis precisa e robusta, este estudo aborda um fator de confusão crítico e frequentemente negligenciado na RM fetal: a qualidade da imagem. Como a RM fetal é adquirida em um sujeito em movimento, os dados são inerentemente suscetíveis a artefatos de movimento e variações nas condições de aquisição. O problema central investigado é como a inclusão de dados de menor qualidade influencia a construção de modelos normativos e a subsequente estimativa de centis de crescimento, potencialmente comprometendo a validade desses modelos, apesar de grandes tamanhos amostrais.

Metodologia
O estudo utilizou uma coorte multicêntrica composta por 635 exames de RM fetal. Os pesquisadores empregaram um protocolo padronizado de controle de qualidade (CQ) visual que atribuía classificações de qualidade contínuas a cada exame, em vez de uma métrica binária de aprovação ou reprovação. Para avaliar o impacto da qualidade dos dados, a equipe ajustou modelos normativos para múltiplas estruturas cerebrais sob condições de relaxamento progressivo do rigor do CQ. Esses modelos foram então comparados contra um subgrupo de referência de alta qualidade para quantificar desvios nas estimativas de centis. A análise isolou especificamente os efeitos da qualidade da imagem dos efeitos do tamanho da amostra, garantindo que os vieses observados não fossem meros artefatos de ter menos sujeitos no grupo de referência de alta qualidade.

Principais Resultados
A investigação revelou que a inclusão de dados de menor qualidade enviesa sistematicamente as estimativas de centis normativos. Os desvios mais significativos foram observados nos centis externos, com um efeito pronunciado na cauda inferior (especificamente do 1º ao 10º percentil). O estudo demonstrou que esse viés aumenta progressivamente à medida que o rigor do CQ é relaxado. Crucialmente, os autores descobriram que esse viés não poderia ser atribuído apenas à redução no número de sujeitos utilizados para ajustar os modelos; pelo contrário, era uma consequência direta da própria qualidade dos dados. Além disso, o viés mostrou-se dependente da estrutura, o que significa que diferentes regiões cerebrais exibiram graus variados de suscetibilidade a erros induzidos pela qualidade. Notavelmente, esses vieses eram frequentemente não aparentes visualmente no nível da segmentação, sugerindo que a inspeção visual padrão de estruturas segmentadas pode falhar em detectar erros de modelagem subjacentes.

Significância e Alegações
O artigo conclui que a qualidade da imagem é uma fonte primária de viés na modelagem normativa do cérebro fetal. Os autores afirmam que a estratégia comum de aumentar o tamanho da amostra às custas da qualidade dos dados pode distorcer sistematicamente as estimativas de centis. Essa distorção representa um risco à utilidade dos modelos, particularmente para aplicações clínicas onde a identificação precisa do desenvolvimento atípico (frequentmente encontrado nas caudas da distribuição) é crítica. O estudo serve como um achado de cautela, destacando que a modelagem normativa robusta em RM fetal requer protocolos rigorosos de controle de qualidade juntamente com grandes tamanhos amostrais para garantir a precisão das caracterizações das trajetórias de crescimento.