Evaluating Children’s Growth Based on Carpal Bones in Left-Hand X-Ray Images Using Deep Learning

Resumo Técnico: Avaliando o Crescimento Infantil com Base nos Ossos Carpais em Imagens de Raios-X da Mão Esquerda Usando Aprendizado Profundo

Definição do Problema
A Avaliação da Idade Óssea (BAA, do inglês Bone Age Assessment) é uma ferramenta diagnóstica crítica na radiologia pediátrica e na endocrinologia para avaliar a maturação esquelética e orientar o tratamento de distúrbios de crescimento. Os métodos clínicos tradicionais, como o atlas de Greulich–Pyle (GP) e o sistema de pontuação de Tanner–Whitehouse (TW), dependem da comparação visual manual de centros de ossificação. Essas abordagens são inerentemente subjetivas, demandam muito tempo e são propensas à variabilidade inter e intra-observador. Embora avanços recentes em aprendizado profundo tenham automatizado a BAA, a maioria dos modelos de última geração trata a radiografia completa da mão como uma entrada global. Consequentemente, a contribuição preditiva específica de regiões anatômicas distintas — particularmente os ossos carpais além da primeira infância — permanece subcaracterizada. Este estudo investiga se os ossos carpais isoladamente contêm informações relacionadas à idade suficientes para apoiar uma BAA precisa ao longo da infância e adolescência, oferecendo potencialmente uma alternativa mais focada e eficiente à análise da mão completa.

Metodologia
A pesquisa utiliza o conjunto de dados RSNA Pediatric Bone Age, composto por 12.811 raios-X de mãos esquerdas de pacientes pediátricos (idades entre 1 e 228 meses). Devido ao desequilíbrio no conjunto de dados original (especificamente a escassez de amostras na primeira infância e pós-puberdade) e à falta de rótulos públicos para o conjunto de teste oficial, os autores redistribuíram os dados de treinamento rotulados em uma divisão de 80:10:10 para treinamento, validação e teste.

• Região de Interesse (ROI): Diferente de estudos anteriores que analisam a mão inteira ou múltiplas regiões, este trabalho isola os ossos carpais. Os 50% superiores de cada raio-X são recortados para preservar a região carpal, enquanto os 10% inferiores são preenchidos com pixels brancos para evitar truncamento durante a aumentação por rotação.
• Pipelines de Pré-processamento: Dois pipelines de pré-processamento distintos foram desenvolvidos e comparados:
  1. Pipeline 1 (Não-limiarizado): Aplica a Equalização de Histograma Adaptativa com Limite de Contraste (CLAHE) para realce de contraste local, seguido de desfoque Gaussiano e filtragem de mediana para supressão de ruído.
  2. Pipeline 2 (Limiarizado): Inclui todas as etapas do Pipeline 1, mas adiciona uma etapa de limiarização adaptativa para converter as imagens em representações binárias.
  • Nota: Uma busca em grade (grid search) determinou os parâmetros ideais (kernel Gaussiano=11, kernel de mediana=3, tamanho do bloco=33, C=2) com base na validação manual da clareza do contorno dos ossos carpais.
• Arquitetura do Modelo: Uma espinha dorsal (backbone) ResNet-50, pré-treinada no ImageNet, foi adaptada para regressão substituindo a cabeça de classificação por uma camada totalmente conectada para prever a idade em meses.
• Estratégia de Treinamento: Foi empregada uma abordagem de ajuste fino (fine-tuning) progressivo. Inicialmente, apenas a cabeça de regressão foi treinada. Subsequentemente, camadas mais profundas foram gradualmente descongeladas. O pipeline não-limiarizado exigiu o ajuste fino de toda a rede para atingir o desempenho ideal, enquanto o pipeline limiarizado estabilizou após o descongelamento das últimas 30 camadas.
• Aumentação de Dados: Durante o treinamento, as imagens foram normalizadas e submetidas a pequenas rotações (±5°), deslocamentos horizontais/verticais (até 10%/5%) e variações de zoom (5%).

Principais Resultados

• Desempenho Geral: A configuração de melhor desempenho (Pipeline 1, sem limiarização adaptativa) alcançou um Erro Médio Absoluto (MAE) de 8,38 ± 0,39 meses no conjunto de teste. Este resultado superou a configuração limiarizada, que apresentou um MAE significativamente maior de 14,85 ± 0,72 meses.
• Comparação com Trabalhos Anteriores: Embora o MAE de 8,38 meses seja superior aos modelos de mão completa ou de múltiplas regiões de alto desempenho (ex: Kasani e Sajedi 2023 reportaram 3,84 meses usando MobileNetV2 em mãos completas), este estudo demonstra que um modelo que depende apenas da região carpal pode alcançar uma precisão competitiva em relação aos métodos de mão completa, particularmente quando comparado a benchmarks anteriores de ResNet-50 no conjunto de dados RSNA (ex: Iglovikov et al. 2018 reportaram ~8,42 meses para mão completa).
• Impacto do Pré-processamento: A remoção da etapa de limiarização adaptativa foi o fator mais crítico para a melhoria do desempenho. Os autores atribuem a degradação no modelo limiarizado à supressão de pistas texturais finas essenciais para a estimativa de idade.
• Desempenho Demográfico e por Faixa Etária:
  • Sexo: O modelo apresentou desempenho ligeiramente melhor em machos (MAE 7,91 meses) do que em fêmeas (MAE 8,95 meses).
  • Grupos de Idade: A precisão variou conforme o estágio de desenvolvimento. O modelo mostrou erros menores durante a puberdade inicial, média e tardia (ex: 6,27 meses para machos na puberdade tardia), onde a ossificação carpal está ativa. O desempenho foi reduzido na primeira infância, uma limitação que os autores atribuem ao desequilíbrio do conjunto de dados (apenas 13 amostras para idades de 1 a 10 meses) e à limitada variabilidade anatômica nos centros de ossificação parcialmente desenvolvidos.

Significância e Alegações
O artigo alega que os ossos carpais codificam informações significativas relacionadas à idade, suficientes para uma previsão confiável da idade óssea quando combinados com modelos de aprendizado profundo apropriados e um pré-processamento cuidadoso. O estudo desafia a suposição de que a análise da mão completa é estritamente necessária para uma BAA automatizada de alta precisão.

Os autores posicionam suas descobertas como um passo em direção a sistemas clínicos mais eficientes e interpretáveis. Ao focar em uma região anatômica menor e bem definida (os ossos carpais), tais abordagens poderiam potencialmente reduzir o esforço de anotação, encurtar o tempo de avaliação e fornecer medições consistentes sem a complexidade de analisar a mão inteira. No entanto, os autores permanecem modestos quanto à precisão absoluta, reconhecendo que, embora os modelos baseados apenas em carpais sejam viáveis, eles atualmente não superam o desempenho dos modelos hierárquicos de mão completa ou de múltiplas regiões mais avançados. O estudo enfatiza que a escolha do pré-processamento — especificamente evitar a binarização agressiva — é um fator decisivo para maximizar o desempenho do aprendizado profundo para esta tarefa de imagem médica.