Portable Ultra-Low Field MRI Deep-Learning Algorithms for White Matter Lesion Segmentation Improve Accuracy and Reflect Clinical Disability in Multiple Sclerosis

Resumo Técnico: Algoritmos de Aprendizado Profundo para Segmentação de Lesões de Substância Branca em Ressonância Magnética Portátil de Campo Ultra-Baixo

Definição do Problema
A identificação de lesões de substância branca (LSB) via ressonância magnética (RM) é fundamental para o diagnóstico e monitoramento da esclerose múltipla (EM). Embora a RM de alto campo (HF) (>1,5T) seja o padrão clínico, ela é dispendiosa, imóvel e inacessível em ambientes de poucos recursos ou para pacientes com contraindicações específicas. A RM de campo ultra-baixo portátil (pULF) a 64 millitesla (mT) oferece uma alternativa custo-efetiva e móvel, capaz de visualizar lesões maiores que 4 mm. No entanto, as imagens de pULF sofrem com menores relações sinal-ruído, campos magnéticos heterogêneos e artefatos que complicam a detecção de lesões. Ferramentas de segmentação existentes projetadas para RM de HF (ex: MIMoSA) ou modelos gerais de aprendizado profundo (ex: WMH-SynthSeg) não foram rigorosamente validadas contra verdades fundamentais (ground truths) específicas de pULF, frequentemente dependendo de máscaras de referência de HF que podem não considerar os limites inerentes de detectabilidade de pULF. Há uma necessidade crítica de algoritmos de segmentação automatizados especificamente treinados e validados em dados de pULF para fornecer estimativas quantitativas precisas da carga de LSB que se correlacionem com a incapacidade clínica.

Metodologia
O estudo utilizou uma coorte de 104 adultos com EM conhecida ou suspeita que foram submetidos a exames de RM pareados de pULF (64mT) e HF (3T) no mesmo dia. O conjunto de dados foi dividido em um conjunto de treinamento (n=20) e um conjunto de teste (n=84).

1. Criação do Padrão de Referência:

   • Referência de HF: Gerada usando o algoritmo C-DEF e refinada manualmente por um pesquisador em neuroimagem.
   • Referência de pULF: Anotada manualmente por dois avaliadores em imagens nativas de T2-FLAIR de pULF. Crucialmente, essas anotações foram cruzadas com imagens de T2-FLAIR de HF rigidamente registradas para confirmar lesões verdadeiras-positivas, estabelecendo uma verdade fundamental específica de pULF que considera os limites de resolução de pULF.

2. Modelos de Segmentação Automatizados:
   Seis métodos automatizados foram aplicados à coorte de teste de pULF:

   • MIMoSA: Um método de regressão baseado em voxel treinado em dados de HF, aplicado sem retreinamento.
   • WMH-SynthSeg: Uma rede neural convolucional (CNN) treinada em dados sintetizados, aplicada sem retreinamento.
   • nnU-Net: Dois modelos treinados no conjunto de treinamento de pULF usando validação cruzada de 5 dobras (5-fold cross-validation). Um utilizou apenas T2-FLAIR (nnU-Net-FL), e o outro utilizou T2-FLAIR mais T1w registrado (nnU-Net-FL/T1).
   • PLAn (Pseudo-Label Assisted nnU-Net): Um framework de transferência de aprendizado (transfer learning). Os modelos foram pré-treinados em máscaras de referência de HF (subamostradas) e depois ajustados (fine-tuned) no conjunto de treinamento de pULF. Semelhante ao nnU-Net, duas variantes foram criadas: PLAn-FL (T2-FLAIR apenas) e PLAn-FL/T1 (T2-FLAIR + T1w).

3. Métricas de Avaliação:
   O desempenho foi avaliado em relação às máscaras de referência de pULF usando:

   • Concordância Volumétrica: Correlações de Spearman e análise de Bland-Altman.
   • Sobreposição Espacial: Coeficiente de Similaridade de Dice (DSC), precisão por lesão e sensibilidade.
   • Correlação Clínica: Modelos de regressão linear testando associações entre volumes de LSB automatizados e escores de incapacidade clínica (Escala Expandida de Incapacidade de EDSS [EDSS] e Escala de Classificação Neurológica de Scripps [SNRS]), com e sem ajuste de idade.

Principais Contribuições e Resultados

• Limites de Detectabilidade de pULF: O estudo estabeleceu que as segmentações de referência de pULF capturam aproximadamente 78% das lesões confirmadas por HF maiores que 50 µL (aprox. 4,5 mm de diâmetro), mas apenas 7% das lesões menores que 50 µL. Os volumes de pULF foram ligeiramente superiores aos volumes de HF devido a efeitos de volume parcial, mas permaneceram fortemente correlacionados (ρ = 0,96).
• Superioridade do Aprendizado por Transferência: Os modelos PLAn (ambas as variantes FL e FL/T1) demonstraram o maior desempenho.
  • Coeficiente de Similaridade de Dice (DSC): O PLAn-FL alcançou um DSC médio de 0,50 ± 0,24, superando significativamente o MIMoSA (0,24), o WMH-SynthSeg (0,30) e os modelos nnU-Net (0,41).
  • Equilíbrio de Métricas: Os modelos PLAn alcançaram um equilíbrio entre sensibilidade (mediana ~0,60) e precisão (mediana ~0,83–0,85), com baixas contagens de falsos-positivos. Em contraste, os modelos nnU-Net foram altamente conservadores (alta precisão, baixa sensibilidade), enquanto o MIMoSA e o WMH-SynthSeg sofreram de oversegmentação extensa (muitos falsos-positivos).
• Impacto da Entrada de Múltiplos Contrastes: A adição de imagens T1w à entrada (variantes FL/T1) não melhorou significativamente o desempenho em relação ao T2-FLAIR isolado para os modelos nnU-Net ou PLAn. Isso sugere que o T2-FLAIR sozinho fornece informação suficiente para a segmentação de lesões em pULF, potencialmente reduzindo o tempo de aquisição.
• Relevância Clínica: Volumes de LSB automatizados derivados de PLAn, nnU-Net e WMH-SynthSeg foram significativamente associados aos escores de EDSS e SNRS (p < 0,05), espelhando as associações encontradas com volumes de referência de HF. Os volumes do MIMoSA não mostraram associação significativa com a incapacidade clínica.

Significância e Alegações
O artigo afirma que algoritmos de aprendizado profundo, especificamente aqueles que utilizam transferência de aprendizado (PLAn) e são treinados em dados de referência específicos de pULF, podem segmentar com precisão as lesões de substância branca em RM portátil de 64mT. O estudo demonstra que:

1. Precisão: Esses modelos fornecem estimativas quantitativas de volume de LSB que se alinham com as verdades fundamentais específicas de pULF e superam os modelos existentes treinados em HF ou genéricos.
2. Utilidade Clínica: As estimativas de volume automatizadas refletem a incapacidade clínica, validando seu uso como medidas de desfecho.
3. Viabilidade: Os achados apoiam o uso de RM de pULF em ensaios clínicos e ambientes onde a RM de HF é logisticamente restrita, particularmente para pacientes com problemas de mobilidade ou incapacidade avançada. A capacidade de usar apenas T2-FLAIR agiliza ainda mais o fluxo de trabalho.

Os autores concluem que, embora o pULF perca lesões menores, a quantificação precisa das lesões maiores por essas ferramentas de aprendizado profundo é suficiente para capturar a carga de doença clinicamente relevante, oferecendo um caminho para expandir o acesso à RM para pesquisa e cuidados em EM.