Sensitivity of image-derived wound-healing proxies to sparse visit schedules and image framing: a retrospective multi-dataset audit

Resumo Técnico: Sensibilidade de Proxies de Cicatrização de Feridas Derivados de Imagem à Escassez de Cronogramas de Visitas e ao Enquadramento de Imagens

Definição do Problema
A fotografia longitudinal de feridas é cada vez mais utilizada para documentar a cicatrização e prever desfechos, particularmente para úlceras de pé diabético (UPD). No entanto, a interpretação dos sinais de cicatrização derivados de imagem depende de várias premissas frágeis: a estabilidade dos algoritmos de segmentação entre diferentes conjuntos de dados, a robustez de endpoints baseados em limiares frente a cronogramas clínicos esparsos e a independência das métricas de "ocupação" baseadas em pixels em relação ao enquadramento da imagem (distância da câmera, ângulo e corte). Embora modelos de aprendizado profundo frequentemente reportem alto desempenho em benchmarks internos, seu comportamento como operadores de medição fixos em ambientes longitudinais não calibrados e do mundo real permanece mal auditado. Este estudo aborda a lacuna entre a precisão da segmentação algorítmica e a confiabilidade dos proxies clínicos derivados quando confrontados com a esparsidade de dados e a variabilidade de aquisição.

Metodologia
Este auditoria retrospectiva multi-dataset utilizou três conjuntos de dados distintos com papéis específicos e não intercambiáveis para isolar diferentes modos de falha:

1. FUSeg (Auditoria de Segmentação Interna): Um checkpoint legado do DeepLabV3–MobileNetV3 foi avaliado em 200 imagens de desenvolvimento-validação rotuladas. As métricas incluíram Dice, IoU, precisão, recall e correlação de ocupação. Um U-Net totalmente especificado também foi treinado do zero no mesmo particionamento para comparação de sensibilidade de arquitetura.
2. WoundsDB (Auditoria de Visitas Esparsas e Limiares): Um subconjunto local de 46 casos (77 visitas, 79 cenas) foi analisado utilizando o checkpoint FUSeg como um operador de medição fixo e não validado. Como máscaras de especialistas locais não estavam disponíveis, o estudo focou na sensibilidade dos endpoints de limiar (redução de 20%, 30% e 50% de ocupação) aos cronogramas de visitas.
   • Procedimentos: Cenários de exclusão de visita única e cronogramas "adelgaçados" (mantendo apenas a primeira/última ou visitas ímpares) foram simulados para avaliar mudanças no status do evento e intervalos de travessia.
3. Bayuan (Auditoria de Ordenação Temporal e Enquadramento): Uma série de 10 pacientes (105 imagens, 62 dias-paciente) com rótulos de tempo até a cicatrização clinicamente confirmados foi utilizada para análise temporal separada por paciente.
   • Modelos: Uma Rede Neural Convolucional (CNN) compacta foi treinada para ordenar as imagens pelo tempo restante de cura usando uma estratégia de validação cruzada leave-one-patient-out (LOPO).
   • Controles: Controles de permutação de rótulos e de rede não treinada foram implementados.
   • Sensibilidade de Enquadramento: Tanto a CNN quanto a ocupação derivada da segmentação foram testadas sob zooms determinísticos de imagem inteira (0.8× e 1.2×) para avaliar a sensibilidade a mudanças de enquadramento.

Resultos Principais

• Desempenho de Segmentação: O checkpoint legado DeepLabV3 alcançou um Dice médio de 0.715 (IC 95%: 0.683–0.745) na partição FUSeg, com pontuações de imagens individuais variando de 0 a 1. Embora a correlação de ocupação tenha sido alta (Pearson $r=0.951$), ocorreram falhas completas de segmentação em imagens individuais. O U-Net customizado treinado nos mesmos dados teve desempenho significativamente inferior (Dice Médio 0.459), destacando a instabilidade de comparações selecionadas de desenvolvimento com semente única.
• Sensibilidade de Visitas Esparsas: No subconjunto WoundsDB, deletar uma única visita intermediária raramente alterou se um limiar de cicatrização foi eventualmente observado (apenas 1/15 cenários por limiar). No entanto, alterou frequentemente a localização do intervalo do evento. O status do evento ou os intervalos de travessia mudaram em 7/15 a 8/15 cenários, afetando 6/7 casos. Isso indica que, embora o desfecho binário possa parecer estável, o tempo preciso dos marcos de cicatrização é altamente dependente da frequência de visitas.
• Ordenação Temporal (Bayuan): A CNN LOPO alcançou uma concordância de paciente-igual de 0.690 (IC 95%: 0.580–0.804) para ordenar imagens por estágio de cura. Isso foi estatisticamente indistinguível da métrica de ocupação derivada da segmentação (0.705; IC 95%: 0.503–0.865). A diferença pareada foi de -0.015 (IC 95%: -0.219 a 0.227), mostrando nenhum valor incremental demonstrado da CNN sobre a ocupação simples. Os controles negativos (rótulos permutados e redes não treinadas) geraram concordância próxima ao acaso (0.473 e 0.518, respectivamente).
• Sensibilidade de Enquadramento: O zoom de imagem inteira impactou significativamente o sinal de ocupação. Em um zoom de 1.2×, a concordância de ocupação aumentou em 0.152 (IC 95%: 0.031–0.329) em relação ao original, enquanto a concordância da CNN mudou em -0.021. Os autores observam que este aumento na concordância de ocupação não implica melhoria na precisão, pois o zoom altera o denominador (total de pixels) e o contexto do tecido visível.

Significância e Alegações
O artigo posiciona-se explicitamente como uma auditoria de modo de falha em vez de uma validação de ferramenta de predição clínica. Suas principais contribuições são:

1. Demonstração de Dependência: Mostra que os proxies de cicatrização derivados de imagem são altamente sensíveis aos cronogramas de visitas (alterando a localização do intervalo) e ao enquadramento da imagem (alterando sinais de ocupação), mesmo quando o algoritmo de segmentação subjacente é fixo.
2. Falta de Valor Incremental: Em um coorte pequeno e não calibrado, uma CNN aprendida não superou a ocupação simples derivada de segmentação para ordenação temporal, sugerindo que modelos complexos podem não adicionar valor sem padronização de aquisição e padrões de referência.
3. Rigor Metodológico: O estudo enfatiza a necessidade de distinguir entre "incapacidade de demonstrar valor" e "evidência de ausência de valor", particularmente em pequenos conjuntos de dados onde os intervalos de confiança são amplos e cruzam o zero.

Conclusão
Os autores concluem que os dados disponíveis suportam uma auditoria de modo de falha, mas não um prognóstico calibrado. Eles afirmam que reiv beenções clínicas confiáveis exigem:

• Máscaras de referência de domínio-alvo (que estavam ausentes nos subconjuntos locais WoundsDB e Bayuan).
• Escala de imagem padronizada e geometria calibrada para distinguir área física de ocupação de pixels.
• Coortes de pacientes maiores e independentemente avaliadas.

O estudo serve como uma auditoria cautelosa, destacando que, sem esses controles, a análise longitudinal de feridas baseada em fotografia de smartphone ou não calibrada pode gerar sinais temporais enganosos devido a artefatos de aquisição e dados esparsos, em vez de trajetórias biológicas de cicatrização.