A Deep Learning Framework for Multi-Class Lung Disease Detection Using CXR Imaging

Resumo Técnico: Um Framework de Aprendizado Profundo para Detecção de Doenças Pulmonares Multiclasse Usando Imagens de CXR

Definição do Problema
A detecção precoce e precisa de doenças pulmonares a partir de imagens de Radiografia de Tórax (CXR) é crítica para a tomada de decisão clínica. No entanto, os sistemas de diagnóstico automatizados existentes enfrentam desafios significciais, incluindo padrões visuais sobrepostos entre diferentes doenças pulmonares (por exemplo, distinguir entre pneumonia, COVID-19 e opacidade pulmonar) e o viés de conjuntos de dados. Modelos treinados em conjuntos de dados de múltiplas fontes frequentemente aprendem características de "atalho" relacionadas à origem da aquisição dos dados (por exemplo, tipo de scanner ou protocolo hospitalar) em vez de características patológicas genuínas, levando a uma baixa generalização em cenários clínicos do mundo real. Além disso, o desequilíbrio de classes em conjuntos de dados médicos frequentemente inclina o desempenho do modelo para as classes majoritárias, reduzindo a sensibilidade para doenças sub-representadas.

Metodologia
Os autores propõem um framework de aprendizado profundo consciente de vieses (bias-aware) projetado para a classificação multiclasse de seis condições pulmonares: COVID-19, Pneumonia, Tuberculose, Câncer de Pulmão, Opacidade Pulmonar e Normal. A metodologia é estruturada em torno de três pilares principais:

1. Curadoria e Pré-processamento de Dados Conscientes de Viés:

   • Construção do Conjunto de Dados: Um conjunto de dados unificado de 13.825 imagens de CXR foi criado ao fundir dados de três repositórios públicos (COVID-19 Radiography Database, IQ-OTH/NCCD Lung Cancer Dataset e repositórios do Kaggle).
   • Harmonização de Origem: Para eliminar pistas de nível de diretório, todas as imagens foram armazenadas em uma estrutura única com um arquivo de metadados consolidado. Os rótulos de origem foram mantidos apenas para análise de viés, não para o treinamento de classificação de doenças.
   • Verificação de Sanidade: Uma "verificação de sanidade de predição de origem" foi realizada treinando uma ResNet-50 para prever a origem do conjunto de dados. O modelo alcançou apenas 51,57% de acurácia com um recall altamente enviesado, falhando em distinguir as origens de forma confiável. Este resultado apoia a afirmação de que o pré-processamento minimizou com sucesso os artefatos de aquisição específicos do conjunto de dados, forçando os modelos de classificação de doenças a aprender características relevantes à patologia.
   • Balanceamento de Classes: Para lidar com o desequilíbrio de classes (onde Opacidade Pulmonar e Pneumonia são dominantes), o framework empregou aumento de dados em tempo real (rotação, inversão, zoom) e funções de perda ponderadas por classe durante o treinamento.

2. Arquitetura do Modelo e Treinamento:

   • O estudo avaliou três arquiteturas ResNet adaptadas para entrada em tons de cinza: ResNet-38 (uma variante customizada e mais rasa derivada da ResNet-34), ResNet-50 e ResNet-101.
   • Todos os modelos utilizaram pesos pré-treinados no ImageNet, modificados para aceitar entradas de canal único via replicação de canal ou ajuste de camada.
   • O treinamento empregou validação cruzada estratificada de 5 dobras (5-fold stratified cross-validation), regularização de dropout (0,3) e o otimizador Adam com uma função de perda de entropia cruzada ponderada.

3. Validação e Interpretabilidade:

   • Validação Estatística: O desempenho foi rigorosamente testado usando intervalos de confiança de bootstrap, testes de bondade de ajuste Qui-quadrado e testes de McNemar para comparação pareada de modelos.
   • Interpretabilidade: O Grad-CAM (Gradient-weighted Class Activation Mapping) foi usado para visualizar a atenção do modelo. Um especialista médico qualificado (Dr. Govind Saran) validou qualitativamente que os mapas de calor focavam em regiões pulmonares anatomicamente plausíveis em vez de artefatos de fundo.
   • Validação Externa: O melhor modelo foi testado em um conjunto de dados independente e não visto do Roboflow (800 imagens) sem retreinamento para avaliar a generalização.

Principais Contribuições

1. Framework Consciente de Viés: O artigo introduz um pipeline de pré-processamento específico que inclui uma "verificação de sanidade de predição de origem" para verificar explicitamente se os modelos não estão aprendendo atalhos de origem de dados.
2. Insight Arquitetural (Profundidade vs. Generalização): Contrariando a tendência de aumentar a profundidade da rede, o estudo demonstra que uma arquitetura mais rasa (ResNet-38) superou suas contrapartes mais profundas (ResNet-50 e ResNet-101) neste conjunto de dados médico multiclasse e desbalanceado.
3. Avaliação Abrangente: O estudo fornece um conjunto de validação estatística robusto (incluindo testes de McNemar e análise de bootstrap) e validação externa em um conjunto de dados não visto, indo além de simples métricas de acurácia para avaliar confiabilidade e generalização.

Resultos Experimentais

• Desempenho: A ResNet-38 alcançou a maior acurácia média de classificação de 93,34% (±0,0073) sob validação cruzada de 5 dobras. Isso superou a ResNet-50 (86,97%) e a ResNet-101 (89,40%).
• Estabilidade: A ResNet-38 demonstrou menor variância entre as dobras e melhor calibração (probabilidades posteriores mais consistentes) em comparação com os modelos mais profundos, que mostraram sinais de overfitting (acurácia de treinamento aproximando-se de 1,0 enquanto a de validação ficava para trás).
• Desempenho de Classe: A ResNet-38 apresentou F1-scores e recall superiores na maioria das classes, particularmente para classes minoritárias como Tuberculose e COVID-19, atribuído ao tratamento eficaz do desequilíbrio de classes.
• Validação Externa: No conjunto de dados não visto do Roboflow, o modelo ResNet-38 alcançou 85% de acurácia, com erros ocorrendo principalmente entre condições clinicamente sobrepostas (ex: Pneumonia vs. COVID-19), confirmando que o modelo aprende características patológicas em vez de artefatos do conjunto de dados.
• Eficiência: A ResNet-38 exigiu significativamente menos parâmetros (21M) e menores recursos computacionais (FLOPs ~3.1G) em comparação com a ResNet-101 (44.5M parâmetros, ~7.8G FLOPs), ofereando um melhor equilíbrio entre eficiência e acurácia.

Significância e Alegações
O artigo alega que, para a classificação de doenças pulmonares multiclasse usando imagens de CXR, aumentar a profundidade da rede não melhora necessariamente o desempenho, especialmente ao lidar com conjuntos de dados de tamanho moderado e desbalanceados. O estudo argumenta que redes mais profundas (como a ResNet-101) são propensas ao overfitting e ao aprendizado de ruído, enquanto uma arquitetura mais rasa cuidadosamente otimizada (ResNet-38), combinada com estratégias rigorosas de mitigação de viés, produz superior generalização e estabilidade.

Os autores enfatizam que seu framework fornece um "método realista para triagem radiográfica baseada em IA" ao priorizar o design consciente de viés e a validação estatística sobre a mera complexidade arquitetural. Eles declaram explicitamente que, embora o framework reduza a dependência da origem do conjunto de dados, não elimina todos os desvios de domínio, e que é necessária uma validação externa adicional em diversos conjuntos de dados hospitalares para implantação clínica. O trabalho conclui que o modelo ResNet-38 representa um equilíbrio ideal entre acurácia, eficiência computacional e confiabilidade para a análise de CXR no mundo real.