Detection First, Grading Second: A Secondary Analysis of Stage-Specific Errors in Two-Stage Colon CAD

Resumo Técnico: Detecção Primeiro, Graduação Depois

Definição do Problema
Os atuais sistemas de Diagnóstico Auxiliado por Computador (CAD) para câncer de cólon frequentemente colapsam o fluxo de trabalho clínico distinto da patologia em uma única tarefa de classificação multiclasse. Na prática patológica real, o processo é sequencial: primeiro, um patologista confirma a malignidade (detecção) e, somente então, atribui o grau histológico (diferenciação). Tratar esses processos como um problema unificado obscurece a natureza específica dos erros e falha em alinhar-se com as estruturas de custos clínicos, onde perder um diagnóstico de câncer (Erro de Estágio 1) carrega um peso fundamentalmente diferente do que trocar entre graus histológicos adjacentes (Erro de Estágio 2). Além disso, as métricas de relatório padrão frequentemente dependem de conjuntos de dados balanceados que não refletem a prevalência do mundo real em triagens, levando a Valores Preditivos Positivos (VPP) inflados.

Metodologia
Este artigo é uma análise secundária e um posicionamento, não um novo estudo de treinamento empírico. Os autores reexaminam as matrizes de confusão e os pontos operacionais publicados de um pipeline de CAD de cólon de dois estágios previamente estabelecido (embeddings de ResNet50, regressão logística para detecção e RBF-SVM/ensemble para graduação) [6].

A metodologia envolve:

1. Decomposição de Erros: Analisar as matrizes de confusão de graduação publicadas para categorizar erros em "trocas de graus adjacentes" (ex: Grau 1 vs. Grau 2) versus erros "não adjacentes".
2. Taxonomia de Falhas: Criar um inventário de erros etiquetados por estágio (ex: S1-FN para cânceres perdidos, S2-G3miss para tumores de alto grau subestimados) para mapear modos de falha específicos às consequências clínicas.
3. Ajuste de Prevalência: Calcular o Valor Preditivo Positivo (VPP) do Estágio 1 sob taxas de prevalência de câncer variando de 50% até 1%, mantendo a sensibilidade e especificidade relatadas constantes. Isso demonstra como as métricas de conjuntos balanceados se traduzem para cenários de triagem.
4. Estrutura de Relatórios: Aplicar os princípios das diretrizes TRIPOD e DECIDE-AI a uma arquitetura em estágios para defender o relato transparente e específico por estágio.

Principais Contribuições
O artigo oferece três contribuições primárias:

1. Tese de Fluxo de Trabalho: Argumenta por um paradigma de pontuação de "detectar primeiro, graduar depois", onde cada estágio é avaliado com métricas específicas para seu objetivo clínico (ex: priorizando a sensibilidade na detecção e o recall de graus minoritários na graduação).
2. Anatomia do Erro: Fornece uma decomposição granular dos erros de graduação publicados, revelando que a maioria dos erros são trocas de graus adjacentes em vez de ruído aleatório, e quantifica a redução específica em erros críticos (como perdas de Grau 3) alcançada por métodos de ensemble.
3. Re-declaração de Prevalência: Recalcula o VPP de detecção para mostrar que a alta acurácia em patches balanceados não equivale a um alto VPP em ambientes de triagem de baixa prevalência, desafiando a citação direta da acurácia de conjuntos balanceados como uma métrica de triagem.

Resultos

• Composição de Erros: No modelo de graduação SVM, 107 de 130 erros (82,3%) foram trocas de graus adjacentes. Embora um modelo de ensemble tenha reduzido o total de erros para 107 e diminuído significamente os falsos negativos de Grau 3 (de 42 para 27), os erros adjacentes ainda constituíam 86,0% dos erros residuais.
• Desempenho do Estágio 1: No conjunto balanceado, o estágio de detecção alcançou 99,89% de acurácia com 0 falsos negativos de câncer e 11 falsos positivos benignos (Especificidade = 0,9978).
• Impacto da Prevalência: Ao aplicar a sensibilidade fixa (1,0) e a especificidade (0,9978) a taxas de prevalência mais baixas, o VPP cai significativamente. A uma taxa de prevalência de 1%, o VPP cai para aproximadamente 82,12%, comparado a 99,78% com 50% de prevalência. Isso destaca que a acurácia de conjuntos balanceados não é um proxy válido para o desempenho de triagem.
• Ganhos do Ensemble: O principal benefício clínico do modelo de ensemble foi a redução das subestimativas (perdas) de Grau 3, particularmente aquelas classificadas incorretamente como Grau 1, em vez da eliminação de todos os erros de graduação.

Significância e Alegações
O artigo alega modestamente que sua contribuição reside na "anatomia do erro e re-declaração de prevalência", em vez de um novo número de ranking ou uma nova arquitetura de backbone. A significância é estruturada como uma mudança na forma como os sistemas de CAD em estágios devem ser relatados e avaliados:

• Inspecbilidade Clínica: A divisão em estágios espelha o fluxo de trabalho patológico, tornando o "custo" de erros específicos (ex: um câncer perdido vs. uma troca de grau) inspecionável e acionável.
• Padrões de Relato: Os autores argumentam que estudos futuros devem relatar contagens específicas por estágio (S1-FN/S1-FP), recall de Grau 3 e VPPs ajustados pela prevalência.
• Supervisão Humana: A análise sugere que, como os erros de graduação estão concentrados em trocas morfológicas adjacentes, a revisão do patologista humano deve focar especificamente nesses riscos residuais, particularmente para as perdas de Grau 3.

O artigo conclui que o CAD de cólon de dois estágios deve ser julgado pelo fato de os erros em cada estágio serem "precificados clinicamente", instando a comunidade a se afastar de métricas de acurácia mistas em direção a inventários de falhas transparentes e específicos por estágio.